Effiziente Charakterisierung und Modellierung von Kupferwerkstoffen auf Basis von Maschinellem Lernen und Finite-Element-Simulationen

Bei der Verarbeitung von Kupferwerkstoffen ist die Berücksichtigung der Chargen-Schwankungen in den mechanischen Eigenschaften grundsätzlich eine Herausforderung. Dies schließt auch die mechanischen Langzeiteigenschaften von Kupferwerkstoffen wie beispielsweise die temperaturabhängige Spannungsrelaxation ein, die zeitaufwändig und kostenintensiv zu bestimmen ist. Dies hat zur Folge, dass die zuverlässige Bewertung der Materialeignung für spezifische Fertigungsprozesse hohe Kosten verursacht und vergleichsweise viel Zeit in Anspruch nimmt. Dabei stellt eine zeiteffiziente Werkstoffcharakterisierung infolge des stetig zunehmenden Zeit- und Kostendrucks einen erheblichen Wettbewerbsvorteil dar. Durch die Kopplung von Methoden des Maschinellen Lernens mit Finite-Element-Simulationen und isothermen Relaxationsmessungen auf einem Cantilever-Versuchsstand ist es möglich, die Relaxationseigenschaften von Kupfer zeitsparend zu quantifizieren und im Anschluss daran mit geeigneten Materialmodellen in hoher Genauigkeit abzubilden. Die neue Methode zur effizienten Bestimmung der Materialparameter von Kupferlegierungen zeigt eine hohe Vorhersagequalität der Langzeiteigenschaften und ermöglicht hierdurch nicht nur eine rasche Ermittlung der Materialparameter, sondern auch die umfassende Simulation bzw. die zeitnahe Vorhersage von Prozessabläufen und Bauteileigenschaften insbesondere in Hinsicht auf deren Langzeitverhalten.