Schnelle, physikalisch-basierte Algorithmen zur prozessbegleitenden Berechnung von Textur und Anisotropie bei der Feinblech-Herstellung aus Stahl
Mechanische Eigenschaften von metallischen Werkstoffen und ihre mikrostrukturellen Ursachen
Zusammenfassung der Projektergebnisse
Die prozessbegleitende effiziente Berechnung von Werkstoffparametern für Textur und elastisch-plastische Anisotropie im Verlauf von Umform- und Wärmbehandlungsverfahren ist bisher aufgrund der komplexen metallkundlichen Zusammenhänge hinter diesen tensoriellen Merkmalen mit empirischen Modellen nicht gangbar. Im hier vorliegenden Abschlußbericht wird ein erfolgreich entwickelter Hybridansatz zur prozessbegleitenden Textur- und Anisotropiesimulation am Beispiel der Herstellung von Feinblech aus niedriglegiertem ferritischem Stahl für den Prozess des mehrstufigen Kaltwalzens und der abschließenden Weichglühung vorgestellt. Der Ansatz beruht auf drei Teilprozessen: Strang A beinhaltet die eigentlichen Algorithmen zum direkten Einsatz für die schnelle, prozessbegleitende Berechnung von Textur und Anisotropie und basiert auf zwei aufeinander aufbauenden Modellen. Das erste ist ein Künstliches Neuronales Netzwerk für die Walztexturentwicklung und das zweite ist ein analytischer, Avrami-basierter Texturkomponenten- Ansatz für die Rekristallisation. Beide Ansätze basieren auf der Evolution diskreter Sätze von Texturkomponenten als Funktion der Prozessparameter. Strang B beinhaltet eine Texturdatenbank aus industriell gefertigten Proben zum Training des Netzwerkes und zum Anpassen freier Parameter des Rekristallisationsmodells. Strang C beinhaltet zwei metallphysikalische Modelle: für den ersten Prozessteil (Kaltwalzen) wird eine Texturkomponenten-Kristallplastizitäts-FE Methode und den zweiten Prozessteil (Rekristallisation) ein Zellulärer Automat eingesetzt. Diese dienen nicht der direkten prozessbegleitenden Simulation, sondern nur zum Training des Netzwerkes bzw. zum Anpassen freier Parameter.
