Additive Fertigung
Filtern
Dokumenttyp
- Zeitschriftenartikel (46)
- Beitrag zu einem Tagungsband (21)
- Forschungsbericht (3)
- Vortrag (2)
- Posterpräsentation (1)
- Forschungsdatensatz (1)
Schlagworte
- Additive manufacturing (11)
- Laser metal deposition (11)
- Additive Manufacturing (9)
- DED (9)
- Additive Fertigung (6)
- Directed Energy Deposition (5)
- Hochfester Stahl (5)
- Widerstandspunktschweißen (5)
- AM (4)
- Inconel 718 (4)
Organisationseinheit der BAM
- 9 Komponentensicherheit (73)
- 9.3 Schweißtechnische Fertigungsverfahren (70)
- 9.6 Additive Fertigung metallischer Komponenten (3)
- 1 Analytische Chemie; Referenzmaterialien (1)
- 1.9 Chemische und optische Sensorik (1)
- 5 Werkstofftechnik (1)
- 5.2 Metallische Hochtemperaturwerkstoffe (1)
- 7 Bauwerkssicherheit (1)
- 7.7 Modellierung und Simulation (1)
- 8 Zerstörungsfreie Prüfung (1)
- 8.0 Abteilungsleitung und andere (1)
- 8.1 Sensorik, mess- und prüftechnische Verfahren (1)
Eingeladener Vortrag
- nein (2)
Despite the advances in hardware and software techniques, standard numerical methods fail in providing real-time simulations, especially for complex processes such as additive manufacturing applications. A real-time simulation enables process control through the combination of process monitoring and automated feedback, which increases the flexibil- ity and quality of a process. Typically, before producing a whole additive manufacturing structure, a simplified experiment in form of a bead-on- plate experiment is performed to get a first insight into the process and to set parameters suitably. In this work, a reduced order model for the transient thermal problem of the bead-on-plate weld simulation is devel- oped, allowing an efficient model calibration and control of the process. The proposed approach applies the proper generalized decomposition (PGD) method, a popular model order reduction technique, to decrease the computational effort of each model evaluation required multiple times in parameter estimation, control and optimization. The welding torch is modeled by a moving heat source, which leads to difficulties separating space and time, a key ingredient in PGD simulations. A novel approach for separating space and time is applied and extended to 3D problems allowing the derivation of an efficient separated representation of the tem- perature. The results are verified against a standard finite element model showing excellent agreement. The reduced order model is also leveraged in a Bayesian model parameter estimation setup, speeding up calibrations and ultimately leading to an optimized real-time simulation approach for welding experiment using synthetic as well as real measurement data.
Numerical and experimental assessment of liquid metal embrittlement in externally loaded spot welds
(2024)
Zinc-based surface coatings are widely applied with high-strength steels in automotive industry. Some of these base materials show an increased brittle cracking risk during loading. It is necessary to examine electrogalvanized and uncoated samples of a high strength steel susceptible to liquid metal embrittlement during spot welding with applied external load. Therefore, a newly developed tensile test method with a simultaneously applied spot weld is conducted. A fully coupled 3D electrical, thermal, metallurgical and mechanical finite element model depicting the resistant spot welding process combined with the tensile test conducted is mandatory to correct geometric influences of the sample geometry and provides insights into the sample’s time dependent local loading. With increasing external loads, the morphology of the brittle cracks formed is affected more than the crack depth. The validated finite element model applies newly developed damage indicators to predict and explain the liquid metal embrittlement cracking onset and development as well as even ductile failure.
Beim Unterpulverschweißen sind die Prozessgeräusche ein Indikator für eine gute Fügequalität. Diese Beurteilung kann i.d.R. nur von einer erfahrenen Fachkraft durchgeführt werden. Eine kürzlich entwickelte künstliche Intelligenz kann automatisch das akustische Prozesssignal anhand vortrainierter Merkmale klassifizieren und die Fügequalität anhand des Geräuschs beurteilen. Der Algorithmus, einmal richtig trainiert, kann den Prüfaufwand beim Unterpulverschweißen deutlich reduzieren.
Abstract
In the post-processing of large maritime components, a considerable amount of waste in the form of milling and grinding chips is produced. At the same time, additive manufacturing technologies have shown great potential in producing high-volume parts for maritime applications, allowing novel design approaches and short lead times. In this context, this study presents a sustainable approach to recycle and use aluminium bronze waste material, generated during post-processing of large cast ship propellers, as feedstock for laser-powder directed energy deposition. The recycling technology used to produce powder batches is inductive re-melting in combination with ultrasonic atomization. The derived metal powders are characterized using digital image analysis, powder flowability tests, scanning electron microscopy as well as energy dispersive X-ray spectroscopy. Compared to conventional metal powders produced by gas atomization, the recycled material shows excellent sphericity and a powder size distribution with a higher content of finer and coarser particles. Metallographic sections of deposited additively produced specimens show an increased hardness and reduced ductility, but also competitive densities and higher yield and ultimate tensile strength compared to cast material. The process chain shows high potential for the maritime sector to enable circular and sustainable manufacturing.
Die Additive Fertigung gewinnt zunehmend an Bedeutung für die Verarbeitung von Kupferwerkstoffen im industriellen Umfeld. Hierbei wird verstärkt auf drahtförmige Ausgangswerkstoffe gesetzt, da diese Vorteile im Handling bieten, bereits aus der Schweißtechnik bekannt sind und sich zumeist durch geringere Beschaffungskosten auszeichnen. In den letzten Jahren entwickelte sich unter den drahtbasierten Verfahren der Directed-Energy-Deposition (DED) eine Prozessvariante unter Nutzung des Elektronenstrahls zur industriellen Marktreife. Dabei zeigt die Technologie Wire Electron Beam Additive Manufacturing (DED-EB) besondere Vorteile gegenüber anderen DED-Prozessen für die Anwendung an Kupfer. Um das Verfahren einem breiten Anwenderkreis in der Industrie zugänglich zu machen, fehlen jedoch Daten zu Leistungsfähigkeit, Prozessgrenzen und Anwendungsmöglichkeit- en. Die vorliegende Untersuchung beschäftigt sich mit dieser Problemstellung am Beispiel der Legierung CuSn1MnSi. Über mehrstufige Testschweißungen werden die physikalisch möglichen Prozessgrenzen ermittelt und Rückschlüsse über die Eignung der Parameter zum additiven Aufbau gezogen. An verschiedenen additiv gefertigten Probekörpern werden anschließend Kennwerte für Aufbaurate, Härte, Mikrostruktur, Oberflächenqualität sowie mechanische Festigkeitswerte ermittelt. Es zeigt sich, dass das die durch DED-EB hergestellten Proben, trotz des groben Gefüges sowie der thermischen Belastung im Aufbauprozess, in ihren Eigenschaften gut mit den Spezifikationen des Ausgangsmaterials übereinstimmen.
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.
The present work deals with the recently confirmed widening of the weld pool interface, known as a bulging effect, and its relevance in high power laser beam welding. A combined experimental and numerical approach is utilized to study the influence of the bulge on the hot cracking formation and the transport of alloying elements in the molten pool. A technique using a quartz glass, a direct-diode laser illumination, a high-speed camera, and two thermal imaging cameras is applied to visualize the weld pool geometry in the longitudinal section. The study examines the relevance of the bulging effect on both, partial and complete penetration, as well as for different sheet thicknesses ranging from 8 mm to 25 mm. The numerical analysis shows that the formation of a bulge region is highly dependent on the penetration depth and occurs above 10 mm penetration depth. The location of the bulge correlates strongly with the cracking location. The obtained experimental and numerical results reveal that the bulging effect increases the hot cracking susceptibility and limits the transfer of alloying elements from the top of the weld pool to the weld root.
Liquid metal embrittlement (LME) cracking is a phenomenon observed during resistance spot welding (RSW) of zinccoated advanced highstrength steels (AHSS) in automotive manufacturing. In this study, severe cracks are observed at the edge of the sheet under reduced flange widths. These cracks, traversing the AHSS sheet, culminate at the edge with a width of approximately 1.2 mm.
Through combined numerical and experimental investigations, and material testing, these cracks are identified and validated as a new type of LME crack. The mechanism behind this crack formation is attributed to unique geometric conditions that, when compared to center welding, amplify radial material flow by ninefold to 0.87 mm. The resultant tangential tensile stresses approximate 760 MPa, which exceed the yield strength of the examined advanced highstrength steel (AHSS) under heightened temperature conditions, and when combined with liquid zinc, promote the formation of this new type of LME crack.
Eine typische Automobilkarosserie kann bis zu 5000 Widerstandspunktschweißverbindungen aufweisen, welche hohen Qualitätsanforderungen genügen müssen. Daher ist eine durchgehende Prozessüberwachung unerlässlich. Die Transformation zur E-Mobilität in der Automobilindustrie und die damit einhergehende Reichweitenproblematik treiben die Entwicklung und Einführung neuer hochfester Stähle an. Dies resultiert in einem gesteigerten Fertigungsaufwand hinsichtlich einer stabilen Prozess-führung in der Fügetechnik. Um diesen Anstieg an Komplexität zu bewältigen, sind die Methoden der künstlichen Intelligenz ein geeignetes Mittel. Mit ihnen kann, durch Auswertung der Prozessparameter und -signale, die individuelle Schweißpunktqualität sichergesellt werden. Die Vorhersagegenauigkeit von neuen Daten, also das extrapolieren, stellt für die meisten Algorithmen eine große Herausforderung dar.
In dieser Arbeit wird ein künstliches neuronales Netz zur Vorhersage des Punktdurchmessers von Widerstandspunktschweißungen anhand von Prozessparametern implementiert. Die Vorhersagegenauigkeit und Extrapolationsfähigkeit des Modells wird durch die Auswertung des dynamischen Widerstandssignals verbessert.
Um die Extrapolationsfähigkeit zu untersuchen, wird die Vorhersagegenauigkeit des Modells mit Daten getestet, die sich in Bezug auf den Werkstoff und der Beschichtungszusammensetzung deutlich von den Trainingsdaten unterscheiden. Dazu wurden mehrere Schweißexperimente mit Werkstoffen verschiedener Hersteller durchgeführt und nur ein Teil der Daten in das Training einbezogen. Die Ergebnisse dieser Arbeit verdeutlichen den positiven Einfluss der Prozesssignale auf die Robustheit des Modells und die Skalierbarkeit der Algorithmen
künstlicher neuronaler Netze auf Daten außerhalb des Trainingsraums.
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.