Microstructure-Based Finite-Element Prediction of Surface lntegrity with Bayesian-lnformed Wear States: Application to Longitudinal Turning of AISI 4140
Year: 2026
Type: book
Abstract: Diese Dissertation entwickelt ein hybrides Modellierungs- und Sensorsystem zur verschleißabhängigen Vorhersage der Oberflächenintegrität in der Zerspanung. Ausgangspunkt ist der Bedarf an einer mechanismenbasierten, unsicherheitsbewussten Vorhersage der mikrostrukturellen Verfeinerung in der bearbeiteten Randzone unter sich entwickelnden Werkzeugverschleißzuständen, ein Aspekt, der von bestehenden Modellen nur unzureichend erfasst wird und für eine prozessbegleitende Anwendung bislang kaum verfügbar ist. Zur Schließung dieser Lücke wird zunächst ein mikrostrukturinformiertes Finite-Elemente-(FE)-Modell der Spanbildung aufgebaut und anhand gezielter orthogonaler Schnittversuche kalibriert, in denen Kräfte, Temperaturen und Gefügezustände erfasst wurden. Die resultierenden thermomechanischen Feldgrößen bilden die Grundlage eines Post-Processing-Schrittes zur Bewertung der oberflächennahen Kornfeinung. Das FE-Modell wird anschließend auf den 3D-Längsdrehprozess übertragen und über eine Matrix von Schnittparametern und Verschleißzuständen ausgeführt, wodurch eine hochaufgelöste Datenbasis entsteht, die regressionsbasierte Modelle für eine schnelle, physikkonsistente Interpolation ermöglicht. Das Simulationskonzept wird durch Dünnschichtsensoren ergänzt, die direkt auf industrielle Wendeschneidplatten integriert wurden und hochfrequente Messungen von Schneidkantentemperatur und Verschleiß unter realitätsnahen Einsatzbedingungen erlauben. Der Werkzeugverschleiß wird über ein exponentielles Degradationsgesetz beschrieben und in eine Bayessche Inferenzformulierung eingebettet, die mittels Markov Chain Monte Carlo gelöst wird. Dadurch entstehen Posteriorverteilungen der Verschleißparameter und der Verschleißtrajektorie, welche frühe Vorhersagen mit quantifizierter Unsicherheit sowie einen konsistenten Transfer von Information zwischen unterschiedlichen Schnittbedingungen ermöglichen. Die kalibrierten FE-Simulationen, Surrogatmodelle und die Bayes’sche Verschleißinferenz werden schließlich in einer Open-Loop-Soft-Sensor-Architektur vereint, die Offline-Prognosen und eine sequentielle Aktualisierung der Oberflächenintegritätsschätzung bei Verfügbarkeit neuer Verschleißmessungen ermöglicht. Posterior-Samples des Verschleißes werden durch die Surrogatschicht propagiert, um prädiktive Verteilungen von Kräften, Temperaturen und mikrostrukturellen Kennwerten wie der nanokristallinen Randschichtdicke abzuleiten. Dies ermöglicht eine risikobewusste Bewertung der Oberflächenqualität und stellt eine entscheidungsorientierte Grundlage für die Auswahl von Prozessparametern sowie für Werkzeugwechselstrategien bereit. Das Gesamtsystem transformiert heterogene Daten zu operativ nutzbaren Vorhersagen und schafft damit eine Grundlage für digitale Zwillinge und zukünftige Closed-Loop-Regelstrategien in der spanenden Fertigung.
Source: KITopen
Author: González Fernández, Germán
Language: English
Subfield: Mechanical Engineering
Field: Engineering
Domain: Physical Sciences
Open Access status: green
OpenAlex ID: W7221015437
FWCI:
Cites:
Cited by:
Related to: