Abstract
Der Bedarf an komplex geformten, dünnwandigen Strukturen hat in der Luft- und Raum-fahrtindustrie stark zugenommen, was belastbare und zuverlässige Fertigungstechniken erfordert. Traditionelle Blechumformungsverfahren (SMF) stehen häufig vor Herausforderungen wie Faltenbildung, Scherung und Rückfederung, was die Qualität und Präzision der geformten Teile beeinträchtigt. Diese Arbeit befasst sich mit der Optimierung des Laser-Peen-Forming (LPF)-Verfahrens, einer modernen SMF-Technik, die hochintensive, ultra-kurze Laserpulse verwendet, um Materialien mit minimaler Oberflächenschädigung zu verformen. Die Forschung konzentriert sich auf die Anwendung von LPF im Luft- und Raumfahrtsektor, um Bleche in spezifische Geometrien zu formen und unerwünschte Verformungen zu korrigieren, insbesondere unter Verwendung der Titanlegierung Ti6Al4V.
Diese Arbeit wird durch die Notwendigkeit getrieben, den Ausschuss von Bauteilen aufgrund von Abweichungen von vorgegebenen Geometrien, Werkzeug- und Produktionskosten und CO2-Emissionen zu reduzieren, im Einklang mit Branchentrends zu Nachhaltigkeit und Automatisierung. LPF wird daher in der vorliegenden Arbeit als Methode zur Erzeugung definierter Geometrien sowie zur Korrektur bestehender Geometrien untersucht. Die Studie gliedert sich in drei Hauptansätze: experimentelle Untersuchungen,
datengestützte Methoden und numerische Simulationen.
Die experimentellen Untersuchungen konzentrieren sich auf die Identifizierung optimaler LPF-Prozessparameter, um gewünschte Verformungen unter Beibehaltung der zu erreichen. Datengestützte Methoden nutzen künstliche neuronale Netze (ANN) zur Vorhersage von Verformungen auf der Grundlage von Prozessparametern, was das Potenzial für autonome Umformprozesse erhöht. Numerische Simulationen unter Verwendung der Finite-Elemente-Methode (FEM) ergänzen die experimentelle Arbeit und liefern Einblicke
in die Verformungsmechanismen sowie die Optimierung der Prozessparameter. Ein vereinfachter numerischer Simulationsablauf wird entwickelt, um Daten zu erzeugen, die die experimentellen Verformungen für verschiedene Peening-Muster genau darstellen.
Die Ergebnisse zeigen, dass LPF in automatisierte Fertigungssysteme integriert werden kann, präzise Kontrolle über Verformungen bietet und hohe Genauigkeit sowie Wiederholbarkeit gewährleistet. Der entwickelte Prozessplanungsansatz mit ANN-Vorhersagen erzeugt die gewünschten Verformungen in den behandelten Bereichen. Dieser Ansatz wird erfolgreich in drei Beispielen demonstriert, die dünne Ti6Al4V-Bleche betreffen: unidirektionale Verformung, bidirektionale Verformung und die Modifikation vorhandener Verformungen in vorgebogenen Proben durch LPF. Der in dieser Studie entwickelte Ansatz eines “Cellular Automata Neural Network (CANN)“ nutzt ein “Convolutional Neural Network (CNN)“, zur genauen Vorhersage von Peening-Mustern basierend auf den Verformungen der Probe nach LPF. Dieser Ansatz verbessert den LPF-Prozess und bietet ein zuverlässiges Werkzeug zur Erzielung präziser Verformungen bei verschiedenen Anwendungen mit komplexen Peening-Mustern. Die in dieser Arbeit vorgestellte Forschung erweitert das Verständnis und die Anwendung von LPF für dünnwandige Ti6Al4V-Strukturen. Experimentelle Untersuchungen identifizierten optimale LPF-Prozessparameter, die die gewünschte Verformung bei gleichzeitiger Wahrung der Oberflächenintegrität erreichen. Numerische Simulationen unter Verwendung der Eigendehnungsmethode validierten diese Ergebnisse und zeigten die Machbarkeit der Anwendung von LPF auf komplexere Geometrien. Zusätzlich wurde ein datengestützter Ansatz unter Verwendung eines ANN zur Prozessplanung entwickelt, der die Vorhersage von Verformungen für verschiedene LPF-Prozessparameter ermöglicht. Darüber hinaus zeigte ein auf CNN basierter Ansatz die Anwendbarkeit von LPF zur Erreichung von Zielformen auf flachen Proben durch Vorhersage der Peening-Muster. Diese integrierte Methodik, die experimentelle, datengestützte und numerische Techniken kombiniert, unterstreicht das Potenzial von LPF als innovatives, autonomes Umformverfahren für Luft- und Raumfahrtanwendungen und behandelt sowohl die praktische Implementierung als auch das theoretische Verständnis.
DOI Link to Publication