HybridDigital – Digitalisierung zur effizienten Prozessauswahl und Auslegung von Hybridstrukturen auf Basis experimenteller und synthetischer Daten

Beschreibung und Projektziele

 

Ausgangssituation und Idee

Hybridwerkstoffe, auch als Multimaterialkombinationen bezeichnet, finden heute vermehrt ihren Einsatz im Maschinenbau, in der Luft- und Raumfahrt oder im Automobilsektor. Die Materialkombinationen sind genauso vielfältig wie die Verbindungstechniken. Neben der Klebetechnik kommen mechanische Verbindungen wie Bolzen ebenso verbreitet zum Einsatz. Die Eigenschaften der Hybridwerkstoffe hängen dabei stark von der Fügetechnik und den Prozessparametern ab.
Vereinzelt gibt es Datensammlungen zu spezifischen Materialkennwerten, jedoch wurden diese bisher nicht systematisch erhoben, gesammelt oder zur Verfügung gestellt. Somit müssen bei der Entwicklung neuer Hybridstrukturen zeit- und ressourcenintensive »Trial-and-Error«- Versuche durchgeführt werden. Im Rahmen der Initiative »MaterialDigital 2« zur Digitalisierung der Materialforschung in Deutschland (BMBF) soll das Projektvorhaben »HybridDigital« einen wesentlichen Beitrag zur digitalisierten und nachhaltigen Entwicklung von Hybridstrukturen für den Leichtbau leisten. 

Das Vorhaben kurz erklärt

Ziel des Projektvorhabens ist es, eine Wissensbasis zum Umgang mit Kennwerten von Hybridwerkstoffen aufzubauen, zu evaluieren und mittels Ontologien zu repräsentieren. Der Fokus der Verbindungstechniken liegt im Vorhaben auf dem Kleben und Bolzen für Stahl-CFK Hybride (Stahl-Carbonfaserkunststoffverbund). Für die effiziente Prozessauswahl und Auslegung der Hybridverbindungen kommt auch das KI-basierte akustische Monitoring des Fraunhofer IDMT zum Einsatz. 

Fehler in der Herstellung neuartiger Materialien frühzeitig erkennen

Für eine effizientere Herstellung hybrider Werkstoffe werden im Projekt Machine Learning-Algorithmen auf Basis von Schallemission für die Vorhersage von fehlerhaften Fertigungen oder Abweichungen in der Herstellung neuartiger Materialien entwickelt. Neu dabei: diese Algorithmen arbeiten auf Basis von Daten aus realen Experimenten sowie auf simulierten Daten.

Mit der Entwicklung und Fertigung hybrider Werkstoffe, die mittels umfassender Datensammlungen zukünftig robuster, nachhaltiger und – vor allem – digital erfolgen soll, begegnet das Vorhaben den Herausforderungen zur technischen Realisierung diverser Leichtbaukonzepte auf Material- und Prozessebene.

 

Aufgabenbereich Fraunhofer IDMT

  • Durchführung von Schallemissionsanalysen und Entwicklung von Machine-Learning Algorithmen zur frühzeitigen Erfassung von Versagenskriterien im Material (z. B. Mikrorisse, Delaminationen) sowie zum besseren Verständnis des Materialverhaltens unter Belastung
  • Ausarbeitung der Standardisierung von Schalldaten für die Einbindung akustischer Sensordaten in die Ontologie

Partner

  • Cotesa GmbH
  • Fraunhofer IGCV
  • Novicos GmbH
  • Enari GmbH
  • Hochschule Aalen

Förderer

Bundesministerium für Bildung und Forschung BMBF 

Laufzeit

Januar 2023 - Dezember 2025

Analyse von Industriegeräuschen – Forschung und Praxis

Das Projekt wird vom Bundesministerium für Bildung und Foschung gefördert und adressiert die Bekanntmachung vom 1.3.2021: Digitalisierung der Materialforschung in Deutschland – MaterialDigital 2