Project Details
Projekt Print View

Semi-active component for chatter suppression of metal cutting machine tools

Subject Area Production Automation and Assembly Technology
Term from 2017 to 2020
Project identifier Deutsche Forschungsgemeinschaft (DFG) - Project number 329109043
 
Final Report Year 2020

Final Report Abstract

Im Rahmen des hier untersuchten Forschungsvorhabens wurde eine Methodik zur automatisierten Optimierung des dynamischen Verhaltens von Werkzeugmaschinen entwickelt und untersucht. Hierzu wurde zunächst ein Versuchsstand konzipiert und aufgebaut, mit welchem sich das vorliegende Forschungsvorhaben unter Laborbedingungen untersuchen lässt. Für diesen Versuchsstand wurde eine semi-aktive Komponente konzipiert. Die semi-aktive Komponente besteht hierbei aus einem CFK-Gehäuse sowie aus einzeln befüllbaren Kammerstrukturen. Durch die adaptiv mit Fluid befüllbare Struktur ist es möglich, die Masse der semi-aktiven Komponente anzupassen und damit das dynamische Verhalten einer Werkzeugmaschine zu beeinflussen. Semi-aktive Komponente zur Ratterunterdrückung an spanenden Werkzeugmaschinen Zur Entwicklung der Methodik wurde zunächst ein Simulationsmodell erstellt und dieses durch Abgleich mit realen Messdaten einer experimentellen Modalanalyse optimiert. Die experimentelle Modalanalyse wurde anhand eines teilfaktoriellen Versuchsplanes durch Variation von unterschiedlichen Befüllungsgraden, Schlittenpositionen und Fluiden durchgeführt. Im Rahmen des Versuchsplanes wurden drei repräsentative Befüllungskombinationen für die semi-aktive Komponente ausgewählt (leer, misch und voll). Neben den Befüllungen wurden ebenfalls drei unterschiedliche Positionen der semi-aktiven Komponente berücksichtigt. Für diese Befüllungs- Positions-Kombinationen wurde für zwei unterschiedliche Fluide eine experimentelle Modalanalyse durchgeführt. Hierbei wurde der Versuchsstand in drei unterschiedliche Richtungen unter statistischer Absicherung angeregt und die Beschleunigungsdaten aufgezeichnet und mittels der Software Siemens Testlab ausgewertet. Die so erhaltenen Daten dienten zum einen zur grundsätzlichen Analyse des Versuchsstandes und des dynamischen Verhaltens der semi-aktiven Komponente und darüber hinaus als Grundlage für die Optimierung des Simulationsmodells. Zum Aufbau des Simulationsmodells wurde das FEM-Programm Abaqus verwendet und mit der Skriptsprache Python automatisiert. Ziel war es, durch einen zweistufigen Ansatz das dynamische Verhalten des Simulationsmodells dem dynamischen Verhalten des realen Versuchsstandes anzunähern. Zunächst wurde hierzu automatisiert über das Python-Abaqus Skript die Steifigkeit von Kugelgewindetrieb und Führungsschienen angepasst. Als Optimierungsgröße diente das MAC Kriterium zum Modenvergleich. Ziel der Steifigkeitsanpassung war zunächst ausgewählte Eigenfrequenzen der Simulation in Übereinstimmung mit den Realdaten zu bringen. Darauf aufbauend wurde neben der Steifigkeit automatisiert die Dämpfung des Systems angepasst, um die Nachgiebigkeitsfrequenzgänge in Übereinstimmung zu bringen. Als Optimierungsgröße wurde hierzu unter anderem die quadratische Abweichung zwischen simulierten und realen Nachgiebigkeitsfrequenzgängen gewählt. Es konnte gezeigt werden, dass mit diesem Ansatz ein Simulationsmodell in seinen dynamischen Eigenschaften der Realität angenähert werden kann. Darüber hinaus wurde eine Methodik zur automatisierten Befüllung der Kammerstruktur zur Maximierung der Fläche unter der Stabilitätskarte untersucht, um damit automatisiert die Bearbeitungsstabilität einer Werkzeugmaschine zu erhöhen. Die Optimierung wurde mittels eines Abaqus-Python Skriptes vorgenommen und als Optimierungsalgorithmus ein genetischer Algorithmus gewählt. Es konnte gezeigt werden, dass durch diesen Ansatz die Fläche unter der Stabilitätskarte durch automatische, adaptive Befüllung der Kammern maximiert werden kann. Limitationen im Projekt ergaben sich hauptsächlich aufgrund der enormen Rechenzeit der FEM-Modelle und der gleichzeitig geforderten, hohen Iterationsanzahl der Optimierungsalgorithmen trotz Einsatz des am KIT vorhandenen Rechenclusters, welches für diese Forschungsarbeit genutzt wurde. Dies führte dazu, dass die Methoden entwickelt und deren Funktionalität gezeigt werden konnte, die Ergebnisse aber durch zukünftige längere Iterationszeiten mit gesteigerter Hardware-Performance noch verbessert werden können.

Publications

  • (2018), „Intelligente Vorschubachsen mit Industrie 4.0-Funktionalität“ in VDI-Z Integrierte Produktion, Nr. 4, S. 42-44
    Burtscher, J.; Spohrer, A.; Barton, D. & Fleischer, J.
  • (2019), „Erhöhung der Bearbeitungsstabilität von Werkzeugmaschinen durch semi-passive masseneinstellbare Dämpfungssysteme“, Dissertation, Shaker-Verlag, Aachen
    Burtscher, J.
 
 

Additional Information

Textvergrößerung und Kontrastanpassung