Projektübersicht
Principle Investigators: |
Prof. Dr.-Ing. Dr. h. c. Michael Weyrich |
Projektteam: |
Pascal Heinzelmann M.Sc. |
Forschungseinrichtungen: |
Institut für Umformtechnik (IFU), Universität Stuttgart |
Halbzeugwerkstoff(e): |
Blech (DP600) |
Fertigungsprozesse: |
Tiefziehen und Beschnitt |
Motivation
- Aufbau des virtuellen Prozessumfeldes für das Tiefziehen
- Bestimmung der Einflüsse von Werkstoff- und Prozessparametern auf die Rückfederung und Maßabweichungen von komplexen Ziehteilen
- Optimierung des Wirkflächen Designs 2-stufiger Umformprozesse
Ziele
Das Ziel dieses Projektes ist die Entwicklung einer neuartigen Auslegungsmethode für Wirkflächen von Tiefziehwerkzeugen auf Basis eines daten- und berechnungsbasierten Surrogate-Modells. Das Surrogate-Modell wird mittels Generative Adversarial Networks oder Denoising Diffusion Probabilistic Models aufgebaut und soll so die Zusammenhänge zwischen Bauteilgeometrie, den vorliegenden Prozessparametern und der Bauteilrückfederung erlernen und abbilden. Es wird zusätzlich eine Delta-Modellierung ausgehend von der Surrogate-Modellierung aufgebaut, welche zudem die Abweichungen zwischen der FE-Simulation und dem realem Umformprozess erlernen soll. Die Daten des realen Umformprozesses werden in systematischen Dauerlaufversuchen gewonnen und berücksichtigen damit viele weitere – in der Simulation nur begrenzt berücksichtigte – Prozessparameter und Störeffekte. Durch die FE-Simulation werden somit zunächst bekannte und modellierbare Zusammenhänge maschinell erlernt und diese anschließend durch experimentelle Prozessdaten erweitert. Die Surrogate- und Deltamodellierung bildet schließlich die Ausgangsbasis für einen Wirkflächengenerator, der auf der Basis der rückgefederten Bauteilgeometrien, z. B. durch ein Gradientenverfahren, eine verbesserte Modellierung der Wirkflächen generieren kann, welche die in der Realität zu erwartenden Rückfederungen bereits einbezieht.
Arbeitsprogramm
Arbeitspaket |
Beschreibung |
AP1 |
Bauteildefinition und Generierung zugehöriger Wirkflächengeometrien |
AP2 |
Generierung synthetischer Rückfederungsgeometrien und Prozessdaten für das Training des Surrogate-Modells |
AP3 |
Konzeption des Surrogate- und des Delta Modells |
AP4 |
Aufbau des Dauerlaufprozesses |
AP5 |
Durchführung der Dauerlaufversuche zur Berechnung des Delta-Modells |
AP6 |
Evaluation der Delta-Modellierung sowie Erklärung der Analyseergebnisse |
Erwartete Ergebnisse
Das erwartete Ergebnis des Forschungsvorhabens besteht in der Entwicklung einer neuartigen datengetriebenen Methode zur Optimierung der Rückfederungsproblematik eines zweistufigen Fertigungsprozesses (Tiefziehen & Beschneiden). Die grundlegende Idee dieser Methode besteht darin, dass maschinelle Lernverfahren derart angelernt werden können, sodass eine verbesserte Rückfederungskompensation möglich ist. Für den Anlernprozess der maschinellen Lernverfahren werden sowohl numerische als auch experimentelle Daten herangezogen.
Kontakt
Univ.-Prof. Dr.-Ing. Dr. h. c. Michael Weyrich
Universität Stuttgart
Institut für Automatisierungstechnik und Softwaresysteme
Pfaffenwaldring 47
70550 Stuttgart
E-Mail: michael.weyrich@ias.uni-stuttgart.de
Website: https://www.ias.uni-stuttgart.de/
Univ.-Prof. Dr.-Ing. Dr. h. c. Mathias Liewald MBA
Universität Stuttgart
Institut für Umformtechnik
Holzgartenstraße 17
70174 Stuttgart
E-Mail: mathias.liewald@ifu.uni-stuttgart.de
Website: https://www.ifu.uni-stuttgart.de/institut/
M.Sc. Sebastian Baum
Universität Stuttgart
Institut für Automatisierungstechnik und Softwaresysteme
Pfaffenwaldring 47
70550 Stuttgart
E-Mail: sebastian.baum@ias.uni-stuttgart.de
Website: https://www.ias.uni-stuttgart.de/
M.Sc. Pascal Heinzelmann
Universität Stuttgart
Institut für Umformtechnik
Holzgartenstraße 17
70174 Stuttgart
E-Mail: pascal.heinzelmann@ifu.uni-stuttgart.de
Website: https://www.ifu.uni-stuttgart.de/institut/