Projektbeschreibung
Die in der Praxis eingesetzten Langzeitversuche zur Charakterisierung des Materialverhaltens von Kupferwerkstoffen sind nur begrenzt geeignet, um daraus belastbare Eingangsdaten für CAE-Anwendungen (bspw. Finite Elemente Methode, FEM) zu ermitteln. Aufgrund steigender Anforderungen an Bauteile aus Kupferwerkstoffen, z.B. bei elektrischen Steckverbindern, ist für die sichere und ressourceneffiziente Bauteilauslegung eine genauere Kenntnis dieser Eingangsdaten jedoch unerlässlich.
Das Projekt zielte darauf ab, aus etablierten Standardversuchen ohne eine Erhöhung des experimentellen Aufwands genauere Informationen über das Langzeitverhalten von Kupferwerkstoffen kostengünstig zu gewinnen, um belastbare Eingangsdaten bezüglich des Langzeitverhaltens von Kupferwerkstoffen für CAE-Anwendungen zu liefern.
Hierfür wurde am fem ein neuer Prüfstand aufgebaut, um präzise instrumentierte Messungen im Cantilever-Versuch zu ermöglichen. Parallel dazu erfolgten Vergleichsmessungen im uniaxialen Versuch in der Universalprüfmaschine. Mithilfe numerischer Simulation und Maschinellen Lernens wurde ein klarer Zusammenhang zwischen den Messgrößen der Cantilever-Versuche und den zeit- und temperaturabhängigen Eigenschaften von Kupferwerkstoffen aufgezeigt. Dies ermöglicht es, aus den Messgrößen eines Cantilever-Versuchs das zeit- und temperaturabhängige Materialverhalten bzw. die Materialparameter für ein gewähltes Werkstoffmodell direkt und kostengünstig zu bestimmen.
Teilvorhaben Fraunhofer IWM
Das Teilvorhaben am Fraunhofer IWM baute auf den Ergebnissen zweier vorgegangener Projekte auf, in denen ein neuartiges Materialmodell für die Beschreibung des Langzeitverhaltens von Kupferwerkstoffen entwickelt wurde.
Bisherige Werkstoffkennwerte und Materialmodellparameter stammten aus der Anpassung an Daten aus uniaxialen Relaxationsversuchen, die jedoch kostspielig und ressourcenintensiv sind. Um aus alternativen Testmethoden wie dem Cantilever-Versuch (ASTM Norm E328 Standard Test Methods for Stress Relaxation for Materials and Structures) Werkstoffkennwerte und Materialmodellparameter bestimmen zu können, wurde eine neuartige Vorgehensweise entwickelt. Diese basiert auf einem Machine-Learning Ansatz, bei dem aus den inhomogenen Spannungs- und Dehnungsfeldern des Cantilever-Versuchs die Modellparameter effizient bestimmt werden können.