Filtern
Dokumenttyp
Referierte Publikation
- nein (3) (entfernen)
Schlagworte
- Alloy 247 (1)
- Artificial neural network (1)
- DED (1)
- Data preparation (1)
- Directed Energy Depositio (1)
- Elektonenstrahlschweißen (1)
- Heißrisse (1)
- Kl (1)
- Nickelbasis-Superlegierungen (1)
- Process monitoring (1)
Organisationseinheit der BAM
Prognose von Qualitätsmerkmalen durch Anwendung von KI-Methoden beim Directed 10 Energy Deposition
(2022)
Dieser Beitrag enthält die Ergebnisse eines im Rahmen der DVS Forschung entwickelten Ansatzes zur Qualitätssicherung im Directed Energy Deposition. Es basiert auf der Verarbeitung verschiedener während des Prozesses gesammelter Sensordaten unter Anwendung Künstlicher Neuronale Netze (KNN). So ließen sich die Qualitätsmerkmale Härte und Dichte auf der Datenbasis von 50 additiv gefertigten Probenwürfel mit einer Abweichung < 2 % vorhersagen. Des Weiteren wurde die Übertragbarkeit des KNN auf eine Schaufelgeometrie untersucht. Auch hier ließen sich Härte und Dichte hervorragend prognostizieren (Abweichung < 1,5 %), sodass der Ansatz als validiert betrachtet werden kann.
The Directed Energy Deposition process is used in a wide range of applications including the repair, coating or modification of existing structures and the additive manufacturing of individual parts. As the process is frequently applied in the aerospace industry, the requirements for quality assurance are extremely high. Therefore, more and more sensor systems are being implemented for process monitoring. To evaluate the generated data, suitable methods must be developed. A solution, in this context, was the application of artificial neural networks (ANNs). This article demonstrates how measurement data can be used as input data for ANNs. The measurement data were generated using a pyrometer, an emission spectrometer, a camera (Charge-Coupled Device) and a laser scanner. First, a concept for the extraction of relevant features from dynamic measurement data series was presented. The developed method was then applied to generate a data set for the quality prediction of various geometries, including weld beads, coatings and cubes. The results were compared to ANNs trained with process parameters such as laser power, scan speed and powder mass flow. It was shown that the use of measurement data provides additional value. Neural networks trained with measurement data achieve significantly higher prediction accuracy, especially for more complex geometries.
Nickelbasis-Superlegierungen sind seit vielen Jahren in unterschiedlichen Industrieanwendungen im Einsatz. Aufgrund der großen Heißrissneigung ist das Schweißen dieser Werkstoffe jedoch bei einer Vielzahl von Legierungen problematisch. Neue Arbeiten auf dem Gebiet zeigen, dass entgegen den gängigen Theorien auch reduzierte Schweißgeschwindigkeiten eine Tendenz zur Verringerung der Rissneigung aufweisen. Bisher existieren jedoch kaum Erkenntnisse zum Prozessverhalten in diesem Parameterbereich. In dieser Arbeit wird daher der Einfluss der relevanten Prozessparameter beim Elektronenstrahlschweißen (EBW) auf die Nahtgestalt im Bereich geringer Vorschubgeschwindigkeiten untersucht. Auf Grundlage der gewonnenen Erkenntnisse soll ein Ansatz zum rissfreien Fügen von komplexen Nickelbasis-Superlegierung gebildet werden. Die praktische Umsetzbarkeit wird abschließend anhand einiger Probeschweißungen an einem besonders heißrissgefährdeten Werkstoff demonstriert. Um fehlerfreie Verbindungen zu ermöglichen, wurden zunächst die relevanten Parameter für die Einstellung von Nahtbreite, Einschweißtiefe, Aspektverhältnis und Nahtfläche anhand einer Versuchsreihe mit 17 Blindschweißungen auf einer 12 mm dicken Platte aus Inconel 718 bestimmt. Die genaue Beschreibung des Einflusses der als signifikant identifizierten Faktoren erfolgte über die Anwendung einer Regressions- und Varianzanalyse. Die Ergebnisse zeigen, dass die Einschweißtiefe, die Nahtbreite, das Aspektverhältnis sowie die Nahtfläche vorrangig über den Strahlstrom, die Fokuslage sowie den Vorschub beeinflusst werden können. Auf Basis der gebildeten statistischen Modelle erfolgte die Vorhersage geeigneter Parameter für eine finale Versuchsreihe. Die abschließenden Demonstratorschweißungen wurden exemplarisch an einer Nickelbasis-Gusslegierung mit besonders hohem Ausscheidungsphasenanteil durchgeführt. Hierfür wurden Schweißungen im I- Stoß an 6,5 mm und 10 mm dicken Blechen ausgeführt. Trotz der mangelnden Schweißeignung und dem hohen Anteil an Ausscheidungsphase des Werkstoffes, zeigten sich nach Optimierung der Prozessparameter keine Heißrisse mehr.