Intelligente Werkstoffprüfung mit automatisierter Versuchsplanung und Modellidentifikation

In diesem Projekt wurde eine Vorgehensweise entwickelt, welche die derzeitige industrielle Versuchsplanung und -auswertung verbessern soll. Dies wird durch Automatisierung der Versuchsplanung erreicht. Die Versuchsparameter werden nach Wissensgewinn, Zeit und Kosten optimiert. Ein Projektziel besteht darin, die Parameter von industriell verbreiteten Materialmodellen mit überschaubarem Aufwand für Werkstoffe mit unbekanntem Fließverhalten zu bestimmen und dabei eine Kriterienbasierte Modellauswahl aus einer Reihe vorhandener Modelle zu treffen.
Nach erfolgreichem Aufbau der Routinen und Optimierungsschleifen war es möglich, die Auswahl von Materialmodellen und deren Parametrisierung automatisch vorzunehmen. Es konnten auch verschiedene Kriterien zur Auswahl der optimalen Versuchsbedingungen aufgebaut, verglichen und über Gewichtungen miteinander gekoppelt werden.
In dem Projekt wurde der experimentelle Fokus auf den komplexen Werkstoff AA7075 gelegt und Fließkurven bis nahe zur Schmelztemperatur aufgenommen. Da es derzeit keine Werkstoffgesetze gibt, die in einem solch großen Parameterraum gültig sind, wurde eine datenbasierte Erweiterung von Werkstoffmodellen über neuronale Netze vorgenommen.
Neben der automatischen iterativen Versuchsplanung und Parameteridentifikation von Materialkarten konnten die entstehenden Versuchskosten modelliert werden. Durch den erwarteten Modellgütegewinn und die Kostenfunktion kann der Maschinenbediener selbst entscheiden, wo er den nächsten Versuch im Prüffenster platziert, beziehungsweise sich optimale Versuchsparameter ausgeben lassen.
Ein weiterer Schwerpunkt des Vorhabens lag auf der Entwicklung geeigneter Workflows und Datenhaltungskonzepten für das Datenhandling zwischen der Versuchsdurchführung und der iterativen Versuchsplanung. Es wurde demonstriert, dass ein automatisierter Workflow für die intelligente Versuchsplanung realisiert werden kann, bei dem die aktuellen Entwicklungen im Bereich der Digitalisierung von Werkstoffen bereits mitberücksichtigt wurden.
Zusammenfassend kann festgestellt werden, dass die aus dem Stand der Forschung und Entwicklung abgeleiteten Wissenslücken in der umformtechnischen Materialprüfung verkleinert werden konnten und industrierelevante Ergebnisse und neue Perspektiven aus dem Vorhaben klar darstellbar sind.