Skip to content

PreStige

Vorhersage mechanischer Eigenschaften und Designoptimierung von additiv hergestellten Metallstrukturen.
  • 3D-Mikrostrukturmodell des additiv gefertigten Werkstoffs auf der Grundlage fortgeschrittener experimenteller Analysen
  • Innovative mikrostruktur- und datenbasierte Modellierungsansätze zur Ermittlung mechanischer Eigenschaften
  • Quantitative Verknüpfungen zwischen mikrostrukturellen Bestandteilen und mechanischen Eigenschaften als Voraussetzung für neue Auslegungskonzepte von AM Strukturen
  • Validierte, praxisrelevante Methodik für zuverlässige, effiziente Beschreibung und Optimierung des mechanischen Verhaltens von additiv gefertigten Strukturen

Additive Manufacturing (AM), oft auch als 3D-Druck bezeichnet, ist eine schnell expandierende Technologie mit großem Potential für die Herstellung komplexer, kosteneffizienter Produkte mit verbesserten Designmöglichkeiten. Derzeit hat sich die AM jedoch noch nicht als praktische und robuste Alternative für die konventionelle Herstellung von tragenden und sicherheitsrelevanten Strukturen etabliert. Einer der Gründe dafür ist das Fehlen von Methoden zur Vorhersage des Strukturverhaltens, die für die Konstruktion von AM Metallkomponenten unerlässlich ist. Dies stellt ein großes Hindernis für viele Industriezweige dar, die AM zur Herstellung von tragenden Metallkomponenten einsetzen wollen. Eine der Herausforderungen liegt vor allem in fehlendem Verständnis und der Verknüpfung von Mikrostruktur- und Materialeigenschaften der AM-Strukturen. Die bestehenden Design-Richtlinien für die konventionell hergestellten Strukturen sind deshalb ohne Berücksichtigung detaillierter Kenntnisse über das Eigenschaftsprofil nicht direkt auf AM-Strukturen übertragbar.

Innerhalb des Forschungsprojektes  PreStige wird  eine neuartigen Methodik zur zuverlässigen, robusten und effizienten Vorhersage des mechanischen Verhaltens von AM-Strukturen entwickelt und  somit einen grundlegenden Schritt zur Ausweitung des Einsatzes von AM auf sicherheitsrelevante Anwendungen gelegt.

Unter Anwendung fortgeschrittener experimenteller Methoden und mikromechanischer Modellierungsansätze werden dabei quantitative Zusammenhänge zwischen der Mikrostruktur und den mechanischen Eigenschaften des AM Werkstoffs abgeleitet. Mittels numerischer Modelle können so verschiedene „Was wäre wenn?“ Szenarien in Abhängigkeit von unterschiedlichen Werkstoffen, Geometrien und Belastungsbedingungen leicht bewertet und virtuell getestet werden, bevor die AM-Produkte tatsächlich hergestellt werden. Neben physikalisch-basierter Modellierung werden zudem fortschrittliche, datenbasierte Modellierungsansätze der künstlichen Intelligenz (u. a. Deep Learning) angewandt, welche dank der umfassenden Analyse experimenteller und numerischer Daten neue Erkenntnisse über die Mikrostruktur-Eigenschaft-Beziehungen ermöglichen. Die entwickelte Methodik aus PreStige könnte u.a. Zertifizierungs- und Qualifizierungsverfahren von AM-Produkten erleichtert, sowie die Kosten und Dauer zur Optimierung sicherheitsrelevanter AM Strukturen reduziert werden.

Förderung

Das Projekt PreStige wird im Rahmen einer Förderinitiative des Bayerisches Staatsministerium für Wissenschaft und Kunst gefördert.

Laufzeit: 01.01.2021 – 31.12.2023

Fördervolumen: 243.000 €

Logo_BSWiKu

Publikationen

Sadeghpour, E.; Nonn, A.

Data-driven models for structure-property prediction in additively manufactured steels Werkstoffsimulation Artikel

In: Computational Materials Science, Bd. 215, S. 111782, 2022, ISSN: 0927-0256.

Abstract | Links | BibTeX