Bekim Berisha: Katalogdaten im Frühjahrssemester 2021

NameHerr Dr. Bekim Berisha
Adresse
Institut für virtuelle Produktion
ETH Zürich, PFA G 17
Technoparkstrasse 1
8005 Zürich
SWITZERLAND
Telefon+41 44 632 78 46
E-Mailberisha@ivp.mavt.ethz.ch
URLhttps://mohr.ethz.ch/
DepartementMaschinenbau und Verfahrenstechnik
BeziehungDozent

NummerTitelECTSUmfangDozierende
151-0042-01LIngenieur-Tool: FEM-Programme Belegung eingeschränkt - Details anzeigen
Die Ingenieur-Tools-Kurse sind ausschliesslich für MAVT-Bachelor-Studierende.
0.4 KP1KB. Berisha
KurzbeschreibungDer Kurs "Einführung in FEM-Programme" macht die Studierenden mit der Durchführung einfacher Strukturanalysen mit der Finite-Elemente-Methode vertraut.
LernzielKennenlernen eines modernen Finite-Elemente Programms. Einstieg in Strukturberechnungen von komplexen CAD Bauteilen mittels FEM.
Kritische Interpretation der Lösungen mittels Konvergenzanalyse.
Inhalt- FEM-Theorie
- Charakterisierung der FEM
- Grundlagen der Elastizitätstheorie
- Randwertproblem in der Verschiebungsformulierung
- Standardformulierung/Variationsprinzip
- Elementtypen
- Randbedingungen
- Strukturanalyse mit FEM
- Nichtlinearitäten (iterative/inkrementelle Lösungssuche)
- Dynamische Prozesse
SkriptLehrunterlagen: Die im Kurs verwendeten Unterlagen stammen vom Frühlingssemester 2019 und wurden entsprechend erweitert und ergänzt.
LiteraturEs werden keine Textbücher benötigt.
Voraussetzungen / BesonderesInstallation von ABAQUS 2021 - Teaching

Für den Toolkurs wird "Abaqus 2021 -Teaching" benötigt. Die Installationsdatei, sowie die Installationsanleitung, sind auf dem IT-SHOP zu finden (https://itshop.ethz.ch/EndUser/Items/Home).

Abaqus 2021 - Teaching ist NUR für WINDOWS und LINUX verfügbar.

Es stehen keine Rechner zur Verfügung! Für weitere Informationen siehe "Ankündigungen" in MOODLE.
151-0840-00LOptimization and Machine Learning
Note: previous course title until FS20 "Principles of FEM-Based Optimization and Robustness Analysis".
4 KP2V + 2UB. Berisha, D. Mohr
KurzbeschreibungThe course teaches the basics of nonlinear optimization and concepts of machine learning. An introduction to the finite element method allows an extension of the application area to real engineering problems such as structural optimization and modeling of material behavior on different length scales.
LernzielStudents will learn mathematical optimization methods including gradient based and gradient free methods as well as established algorithms in the context of machine learning to solve real engineering problems, which are generally non-linear in nature. Strategies to ensure efficient training of machine learning models based on large data sets define another teaching goal of the course.

Optimization tools (MATLAB, LS-Opt, Python) and the finite element program ABAQUS are presented to solve both general and real engineering problems.
Inhalt- Introduction into Nonlinear Optimization
- Design of Experiments DoE
- Introduction into Nonlinear Finite Element Analysis
- Optimization based on Meta Modeling Techniques
- Shape and Topology Optimization
- Robustness and Sensitivity Analysis
- Fundamentals of Machine Learning
- Generalized methods for regression and classification, Neural Networks, Support Vector machines
- Supervised and unsupervised learning
SkriptLecture slides and literature