Weiterentwicklung der Schadensanalyse in faserverstärkten Kunststoffmaterialien

Titel: Weiterentwicklung der Schadensanalyse in faserverstärkten Kunststoffmaterialien

Laufzeit: aktiv

Forschungsbereich: Engineering and Business

Das Versagensverhalten von faserverstärkten Kunststoffen (FRP) hängt stark von den spezifischen Belastungsbedingungen ab. Eine Vielzahl gleichzeitig auftretender Versagensmodi trägt zum endgültigen Versagen bei. Etablierte Theorien ermöglichen eine präzise Bewertung von Spannungszuständen in der Faser-Ebene. Ihnen fehlt jedoch oft die Generalisierbarkeit auf 3D-Spannungszustände; teilweise aufgrund der Tatsache, dass solche Spannungszustände im Experiment im Allgemeinen nicht isoliert analysiert werden können.

Wir setzen daher einen skalenüberbrückenden Ansatz ein, bei dem der FRP auf der Mikroskala modelliert wird, wobei die Faserverteilung und das nichtlineare Matrixverhalten berücksichtigt werden. Das Versagen wird mittels Finite-Elemente-Analyse vorhergesagt und der entsprechende Spannungszustand sowie der Versagensmodus automatisch extrahiert. Verschiedene Machine-Learning-Algorithmen werden hinsichtlich ihrer Fähigkeit untersucht, diese Versagensinformationen vorherzusagen. Dies führt zu einer auf Machine Learning basierenden Versagensgrenzfläche, die beliebig komplexe Spannungszustände gleichermaßen gut abbildet.

Ansatz zur Versagensmodusvorhersage basierend auf dem aktuellen Spannungszustand

Ziele

Unser Ziel ist es, die Vorhersagefähigkeiten von Materialmodellen für faserverstärkte Kunststoffe (FRP) mit besonderem Fokus auf das Versagensverhalten zu verbessern. Die Berücksichtigung komplexer 3D-Spannungszustände bei der Definition der Versagensgrenzfläche ermöglicht eine realistischere Bewertung von realen Strukturen unter tatsächlichen Belastungsbedingungen. Bei einer zuverlässigeren Versagensvorhersage können aktuelle Sicherheitsmargen reduziert und somit Material eingespart werden, was zu einer zweifachen Steigerung der Ressourceneffizienz führt: direkt durch die für eine Komponente verwendeten Materialien und indirekt durch die Reduzierung der für die Bewegung solcher Teile notwendigen Energie.

Problemstellung

Aktuelle Versagenstheorien für unidirektional faserverstärkte Kunststoffe (FRP) sind durch ebene Spannungszustände motiviert und werden weitgehend unter diesen Bedingungen getestet. Mit der zunehmenden Anwendung von FRP in komplex belasteten Bauteilen trifft diese Annahme nicht mehr zu. Da beliebige 3D-Spannungszustände im Experiment im Allgemeinen nicht isoliert untersucht werden können, bieten numerische Simulationen eine unschätzbare Möglichkeit, solche Zustände zu analysieren.

Praktisches Beispiel

Die entwickelte Methodik wird in laufenden Forschungsprojekten weiterentwickelt, die sich auf das mechanische Fügen von FRP (TRR285) und die effiziente digitale Auslegung von Wasserstofftanks für den Automobilsektor (DigiTain) konzentrieren.

Technologie

Zur Generierung der künstlichen Trainingsdaten wird die kommerzielle Finite-Elemente-Software LS-DYNA verwendet. Repräsentative Volumenelemente (RVE), die die geometrischen Feinheiten auf der Mikroskala erfassen, werden Verformungszuständen unterworfen, die durch einen raumfüllenden DOE-Algorithmus definiert werden. Informationen zum Versagen innerhalb des RVE werden extrahiert und als Trainingsdaten verwendet. Die finale Versagensgrenzfläche wird als Feed-Forward-Neuronales Netzwerk modelliert.

Ausblick

Die entwickelte Methodik wird weiterentwickelt, um nicht nur das vollständige Versagen von faserverstärkten Kunststoffen (FRP) zu erfassen, sondern auch irreversible Materialveränderungen bis zu diesem Punkt. Dies umfasst geschichtsabhängige Phänomene wie Plastizität und Kontinuumschädigung. Um diese Geschichtsabhängigkeit präzise zu erfassen, wird ein besonderer Fokus auf rekurrente Machine-Learning-Methoden gelegt.

Team

Leitung:
Prof. Maik Gude
Dr. Andreas Hornig

Teammitglieder:
Johannes Gerritzen

Partner

ILK – Institute of Lightweight Engineering and Polymer Technology, University of Technology Dresden