Reibmodelle für die Kaltmassivumformung auf Basis des maschinellen Lernens

• Antragsteller: Professor Dr.-Ing. Peter Groche
• Fachliche Zuordnung: Ur- und Umformtechnik, Additive Fertigungsverfahren
• Förderung: Förderung seit 2025
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 563455474

In der Kaltmassivumformung haben die herrschenden Reibungsverhältnisse einen erheblichen Einfluss auf die Genauigkeit der hergestellten Bauteile und die Prozesssicherheit. Daher ist eine präzise Reibungsmodellierung für die Auslegung der Umformprozesse entscheidend. Die Tribologie der Kaltmassivumformung weist eine Reihe von Besonderheiten auf: In Prozessen der Kaltmassivumformung treten typischerweise die höchsten tribologischen Lasten (insbesondere Kontaktnormalspannungen und Oberflächenvergrößerungen) der Umformtechnik auf. Zudem ist das tribologische System von einer Vielzahl nichtlinearer Einflussgrößen abhängig und daher schwer abbildbar. Zur mathematischen Beschreibung der Reibung werden bisher überwiegend „Grey-Box“-Modelle wie das Coulomb‘sche Reibgesetz genutzt. Diese überzeugen aufgrund ihrer Einfachheit und Anwenderfreundlichkeit, können jedoch die reale Komplexität des tribologischen Systems nicht vollständig abbilden. Als möglichen Lösungsansatz zur Reibungsmodellierung des komplexen tribologischen Systems in der Kaltmassivumformung untersucht dieses Vorhaben „Black-Box“-Modelle auf Basis des maschinellen Lernens (ML). Die Struktur der ML-Modelle ermöglicht es, eine größere Anzahl an Einflussgrößen auf das Reibverhalten des Tribosystems zu berücksichtigen und nichtlineare Abhängigkeiten zwischen den Einflussgrößen besser als bestehende Reibmodelle abzubilden. Zusätzlich eröffnen ML-Methoden die Möglichkeit, große Datenmengen aus direkten Tribometerversuchen in Form von Zeitreihen zu nutzen und erhöhen somit den Informationsgehalt der Datenbasis im Vergleich zu gängigen Auswertemethoden für Modellversuche. Die Integration der im Projekt trainierten Modelle in die FE-Simulation verbessert die Genauigkeit der Reibkraftberechnung und ermöglicht so wichtige Designentscheidungen im Rahmen der Prozessgestaltung, wie die Festlegung der Form der Aktivflächen für einen zielführenden Werkstofffluss sowie die Identifikation geeigneter Maßnahmen für eine robuste Prozessführung. Die wesentlichen Ziele des Vorhabens sind: eine Methode zur Erstellung von ML-basierten Reibmodellen auf Basis von Zeitreihen aus instationären Tribometerversuchen zu entwickeln. Die Validierung der Methodik erfolgt anhand des Vergleichs experimentell und numerisch ermittelter Kraftverläufe und der Werkstückgeometrie.

• DFG-Verfahren: Sachbeihilfen