Funktional gradierte Materialien auf Basis von Stellite und Stahl im Laserpulver-Auftragschweißen
(2022)
Das Hinzufügen von Stellite auf Stahl ist eine typische Vorgehensweise um Bauteile gegen Verschleiß und Korrosion zu schützen. Der Sprung in den Materialeigenschaften kann jedoch zu Rissen und somit zum Versagen der Beschichtung führen. Um die Lebensdauer von Beschichtungen zu erhöhen wird daher ein gradierter Übergang mit verschiedenen Materialpaarungen untersucht.
Das DED Auftragschweißen ist ein additives Fertigungsverfahren für Metalle, bei dem das Material schichtweise auf ein Substrat aufgetragen wird. Die schnellen Temperaturzyklen rufen Spannungsgradienten im Bauteil hervor. Der schichtweise Aufbau der Bauteile verursacht eine anisotrope Mikrostruktur. Mittels nachgelagerter Wärmebehandlung können diese Effekte verringert werden. Im anschließenden Schritt der Prozesskette wird das additiv hergestellte Bauteil mittels Drahterodieren von dem Substrat abgetrennt.
In diesem Beitrag wird eine thermo-mechanische Simulation der gesamten Prozesskette vorgestellt, welche den additiven Aufbau, Wärmebehandlung und das Abtrennen vom Substrat beinhaltet. Anstelle der in der Literatur üblichen schichtweisen Modellierungsstrategie für die DED Simulation wird das gesamte Bauteil in einem Stück vernetzt und der vollständig transiente, schichtweise Materialauftrag über Elementgruppen realisiert. Im Gegensatz zu früheren Simulationen muss der nichtlineare Kontakt zwischen den Schichten nicht berücksichtigt werden, was die Rechenzeiten deutlich verkürzt.
Das Modell wurde validiert mittels Abgleiches des Verzugs aus Simulation und Experiment.
Die Proben, bestehend aus DIN 1.4404 (AISI 316L), wurden nach jedem Prozessschritt 3D gescannt um den Verzug zu quantifizieren. Zusätzlich wurden Querschnitte und Härtetests nach Vickers von unterschiedlich behandelten Proben durchgeführt, um den Effekt der Wärmebehandlung auf die Mikrostruktur und die Härte des Bauteils zu untersuchen.
Distortions in Additive Manufacturing (AM) Laser Metal Deposition (LMD) occur in the newly-built component due to rapid heating and solidification and can lead to shape deviations and cracking. This paper presents a novel approach to quantify the distortions experimentally and to use the results in numerical simulation validation. Digital Image Correlation (DIC) is applied together with optical filters to measure in-situ distortions directly on a wall geometry produced with LMD. The wall shows cyclic Expansion and shrinking with the edges bending inward and the top of the sample exhibiting a slight u-shape as residual distortions. Subsequently, a structural Finite Element Analysis (FEA) of the experiment is established, calibrated against experimental temperature profiles and used to predict the in-situ distortions of the sample. A comparison of the experimental and numerical results reveals a good agreement in length direction of the sample and quantitative deviations in height direction, which are attributed to the material model used. The suitability of the novel experimental approach for measurements on an AM sample is shown and the potential for the validated numerical model as a predictive tool to reduce trial-and-error and improve part quality is evaluated.
Durch pulverbasiertes Directed-Energy Deposition lassen sich Gradierungen fertigen, um diskrete Materialübergänge zu vermeiden und die Lebensdauer von Hartschichten zu erhöhen. Die Kombination aus Stahl als Basiswerkstoff und einer verschleiß- und korrosionsbeständigen Co-Cr Legierung verspricht durch Vermeiden von Spannungskonzentrationen das Verhindern von Abplatzungen und Rissen in der Schutzschicht. Um die Qualität des gefertigten Bauteils zu beurteilen, liegen für solche Funktional Gradierten Materialien (FGM) wenig Erkenntnisse vor. Daher wird im Rahmen dieser Studie eine Methodik erarbeitet, um die relative Dichte eines Funktional Gradierten Materials auf Stahl und Co-Cr Basis mittels Maschinendaten zu bestimmen. Anschließend wird unter Einsatz eines künstlichen neuronalen Netzes anhand von Sensordaten die relative Dichte vorhergesagt. Das trainierte Netz erreicht eine Vorhersagegenauigkeiten von 99,83%. Abschließend wird eine Anwendung anhand von einem Demonstrator gezeigt.
Um Bauteile vor Verschleiß und Korrosion zu schützen werden Beschichtungen aus resistenteren Materialien aufgetragen. Hierzu zählen unter anderen die Legierungen auf Cobalt-Chrom Basis. Der diskrete Materialsprung ist jedoch unter thermischen und mechanischen Belastungen häufig Ursache für das Versagen der Beschichtung. In dieser Arbeit werden daher Materialgradierungen von verschiedenen Stahllegierungen zu einer Cobalt-Chrom Basislegierung untersucht. Die Ergebnissen werden dafür auch mit Resultaten zu vorangegangenen Untersuchungen verglichen. Kern der Arbeit bilden geätzte Schliffbilder der Materialpaarungen und Auswertungen mittels Farbeindringprüfung sowie die metallografische Bestimmung der Porosität. Ziel der Arbeit ist ein defektfreier Aufbau der funktional gradierten Materialpaarungen.