Detailseite
Projekt
Modellbasierte In-Prozess-Werkzeugverschleißermittlung beim Hochleistungsdrehen
Fachliche Zuordnung
Messsysteme
Spanende und abtragende Fertigungstechnik
Spanende und abtragende Fertigungstechnik
Förderung
Förderung seit 2023
Projektkennung
Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 521384759
Trotz der Vielfalt eingesetzter beschichteter Hartmetallwerkzeuge weist das Verständnis der dem Werkzeugverschleiß zugrundeliegenden Mechanismen noch erhebliche Defizite auf. In diesem Vorhaben soll zur Erarbeitung eines deutlich verbesserten Verständnisses der Verschleißentstehung und -entwicklung von beschichteten Hartmetallwerkzeugen für das Hochleistungsdrehen ein auf Spanbildungssimulationen basierendes (Whitebox-)Modell mit einem künstlichen neuronalen Netz (Blackbox-Modell) zu einem Greybox-Modell verknüpft werden. Mit dem Whitebox-Modell soll auf Basis des gemessenen thermisch-mechanischen Belastungskollektivs eine näherungsweise Bestimmung aktueller Werkzeugverschleißkenngrößen ermöglicht werden. Der abgeschätzte Verschleiß wird dann zusammen mit in-prozess erhobenen Messdaten als Eingang für ein trainiertes Blackbox-Modell genutzt, um den Werkzeugverschleiß präzise vorherzusagen. Dabei soll insbesondere die in Körperschallsignalen, Barkhausenrauschamplituden, Werkstückmaßen und Oberflächenrauheiten enthaltene Information zum Verschleißzustand des Werkzeugs Berücksichtigung finden, zusätzlich zur im thermisch-mechanischen Belastungskollektiv enthaltenen Information. Mit diesem Forschungsansatz soll es im Rahmen des Schwerpunktprogramms gelingen, bisher nicht bekannte Mechanismen des Beschichtungs- und Werkzeugverschleißes abzubilden, zu identifizieren und so zu einer verbesserten wissensbasierten Qualifizierung von Werkzeugbeschichtungen für die Hochleistungszerspanung beizutragen. Das Whitebox-Modell wird auf Basis eines bestehenden Finite-Elemente-Spanbildungsmodells erarbeitet. Geklärt wird die valide Einbettung der Beschichtungseigenschaften und die inverse Modellnutzung. Das Blackbox-Modell wird in Form eines künstlichen neuronalen Netzes realisiert. Dessen Training erfordert schnelle direkte Erfassung des Werkzeugverschleißes, weshalb zwei auf optischen Prinzipien basierende Messverfahren realisiert und eingesetzt werden, die eine präzise In-Situ-Bestimmung der Werkzeuggeometrie und -beschichtungsdicke ermöglichen. Für das Blackbox-Modell wird untersucht, welche Struktur eines künstlichen neuronalen Netzes und welche Sensordaten eine Verschleißbestimmung mit minimaler Unsicherheit ermöglichen. Um die Anzahl an Eingängen des Blackbox-Modells zu minimieren, wird geklärt, wie sich eine Signalvorverarbeitung der in-prozess erhobenen Daten mit vernachlässigbarem Informationsverlust realisieren lässt. Das resultierende Greybox-Modell wird für die Außenlängsdrehbearbeitung von vergütetem 42CrMo4 erarbeitet und validiert. Zudem ist eine erweiterte Validierung am Querschnittswerkstoff des Schwerpunktprogramms C45 vorgesehen. In der zweiten Phase des Schwerpunktprogramms soll das Greybox-Modell für die Prognose der Verschleißentwicklung sowie für einen breiteren Einsatzbereich von Stell- und Systemgrößen erweitert werden.
DFG-Verfahren
Schwerpunktprogramme
