In-situ-Metrologie, High-Fidelity Modellierung und inverse Analyse zur physik- und datenbasierten Vorhersage hochgradig nichtlinearen Materialverhaltens und -versagens in der Fertigungstechnik

• Antragsteller: Dr.-Ing. Christoph Hartmann; Dr.-Ing. Christoph Meier; Professor Dr.-Ing. Wolfram Volk; Professor Dr.-Ing. Wolfgang A. Wall
• Fachliche Zuordnung: Ur- und Umformtechnik, Additive Fertigungsverfahren ; Mechanik
• Förderung: Förderung seit 2023
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 534712607

Zerteilende Fertigungsverfahren wie das Scherschneiden nutzen mechanische Effekte zum Aufheben des Werkstoffzusammenhaltens von Werkstückkörpern. Hierbei treten hochgradig nichtlineare Deformationen und komplexe thermo-visko-plastische Materialeffekte sowie Mechanismen der Materialschädigung und des Materialversagens auf, welche auf der Wechselwirkung zwischen physikalischen Zustandsgrößen und der Werkstoffmikrostruktur beruhen und das fertigungstechnologische Prozessergebnis entscheidend bestimmen. Das mangelnde Verständnis der Abhängigkeiten zwischen Zustandsgrößen wie Temperatur-, Dehnungs- und Spannungsfeld sowie Prozessgrößen wie Schneidgeschwindigkeit, Schneidspalt und Schneidkantengeometrie hat zur Folge, dass sämtliche vorhandenen Modellierungsansätze nicht verallgemeinerbar prädiktiv genutzt werden können und außerhalb eines lokalen, eng eingegrenzten Prozessfensters ihre Gültigkeit verlieren. Während das prozesstypische hochgradig nichtlineare Materialverhalten und das daraus resultierende breite Zustandsgrößenspektrum bestehende lokale Charakterisierungs- und Modellierungsansätze in ihrem Gültigkeitsbereich stark einschränkt, wird eben jene Prozesseigenschaft von den Antragstellern als Chance und Quelle umfassender Informationen über Prozess- und Materialverhalten interpretiert. Konkret werden im angestrebte Forschungsvorhaben neuartige probabilistische Methoden des maschinellen Lernens zur inversen Materialparameter- und Materialmodellidentifikation, First-Principle Modellierungsansätze basierend auf High-Fidelity Finite-Elemente-Methoden sowie hochauflösende in-situ Messmethoden auf neuartige Weise miteinander kombiniert, um prädiktionsgenaue und globale, d.h. im gesamten Prozessparameterraum gültige und im Grundsatz auch auf andere Prozesse übertragbare, Vorhersagen des Materialverhaltens zu ermöglichen. Während bisherige Forschungsansätze moderne numerische Modellierungs- und Analysemethoden sowie innovative experimentelle Mess- und Auswertetechniken nicht konsequent kombinieren, sondern vorwiegend isoliert voneinander betrachten, ermöglicht erst das vorgeschlagene kombinierte physik- und datenbasierte Vorgehen, Potentiale hinsichtlich prädiktiver und verallgemeinerbarer Material- und Prozessmodellierung vollständig zu nutzen.

• DFG-Verfahren: Sachbeihilfen