CRC/Transregio 188 Wissenschaftliches Serviceprojekt S01

In der 1. Förderperiode (FP) wurden etablierte lokale Schädigungsmodelle in die kommerzielle Software Abaqus implementiert und anhand experimenteller Daten kalibriert. In der 2. FP wurde das Open-Source-Tool ADAPT zur inversen Parameteridentifikation konstitutiver Werkstoffmodelle entwickelt und auf GitHub veröffentlicht. Mit diesem Werkzeug gelang die Modellkalibrierung für die TRR-188-Werkstoffe DP800 und 16MnCrS5. Zudem wurde ein Modell zur Entwicklung duktiler Schädigung im Sinne von Porenanteilen unter Einsatz künstlicher neuronaler Netze entwickelt. Im Gegensatz zu konstitutiven Schädigungsmodellen beruht die Schädigungsprognose ausschließlich auf experimentellen Daten und setzt keine Annahmen hinsichtlich der konstitutiven Gleichung voraus. In der 3. FP wird das Modell auf nicht-monotone Lastpfade erweitert und ein thermodynamisch konsistentes neuronales Netz implementiert, welches physikalisch zulässige Modellvorhersagen sicherstellt. Das Modell für die Schädigungsentwicklung wird an die mechanischen Eigenschaften gekoppelt, um Poreneffekte auf makroskopische Produkteigenschaften zu quantifizieren. Die Kalibrierung der Schädigungsmodelle bleibt ein zentrales Ziel des Projektes, so ist die Parametersensitivität gegenüber Abweichungen in den experimentellen Eingangsdaten Gegenstand zukünftiger Untersuchungen.

Gerlach, J., Schulte, R., Schowtjak, A., Clausmeyer, T., Ostwald, R., Tekkaya, A.E., Menzel, A., 2024.

Enhancing damage prediction in bulk metal forming through machine learning-assisted parameter identification. Archive of applied mechanics 94. https://doi.org/10.1007/s00419-024-02634-1

Langenfeld, K., Lingnau, L.A., Gerlach, J., Kurzeja, P., Gitschel, R., Walther, F., Kaiser, T., Clausmeyer, T., 2023.

Low cycle fatigue of components manufactured by rod extrusion: experiments and modeling. Advances in industrial and manufacturing engineering 7. https://doi.org/10.1016/j.aime.2023.100130

Gerlach, J., Clausmeyer, T., Schowtjak, A., Muhammad, W., Brahme, A.P., Koppka, L., Inal, K., Tekkaya, A.E., 2023.

Data-driven ductile damage model for damage-induced material degradation in forming. Manufacturing letters 35. https://doi.org/10.1016/j.mfglet.2023.08.092

Schowtjak, A., Gerlach, J., Muhammad, W., Brahme, A.P., Clausmeyer, T., Inal, K., Tekkaya, A.E., 2022.

Prediction of ductile damage evolution based on experimental data using artificial neural networks. International journal of solids and structures 257. https://doi.org/10.1016/j.ijsolstr.2022.111950

Schowtjak, A., Schulte, R., Clausmeyer, T., Ostwald, R., Tekkaya, A.E., Menzel, A., 2022.

ADAPT — a diversely applicable parameter identification tool: overview and full-field application examples. International journal of mechanical sciences 213. https://doi.org/10.1016/j.ijmecsci.2021.106840