Pro­gno­se des Rand­schicht­zu­stan­des für die ro­bus­te Re­ge­lung ei­nes Dreh­pro­zes­ses un­ter Ein­satz von in-pro­cess Mess­tech­nik und da­ten­ge­trie­be­ner Soft­sen­so­rik

Be­ar­bei­ter

Zeit­raum

ab H2/2018

För­de­rung

DFG-Projekt im Schwerpunktprogramm "Oberflächenkonditionierung in Zerspanungsprozessen" (SPP 2086)

Kurz­be­schrei­bung

Beim Zerspanungsprozess Hartdrehen werden die Randschichteigenschaften wie Eigenspannungszustand, Härte und Oberflächenrauheit durch einen letzten Stich am gehärteten Drehstück eingestellt. Dabei hängen die Randschichteigenschaften nicht nur von Drehparametern wie Vorschub und Schnittgeschwindigkeit ab, sondern auch von der initialen Beschaffenheit des Werkstücks sowie dem Zustand des Werkzeugs. Bisher wird dabei auf Vorkenntnisse zurückgegriffen sowie die Randschichteigenschaften nur am fertigen Werkstück stichprobenartig untersucht.

Das primäre Ziel des Projekts ist es auf Basis datenbasierter Prozessmodelle ausgewählte Randschichteigenschaften eines zerspanten Bauteils auf die Drehparameter (Prozessstellgrößen) sowie vorhandene Störgrößen und initiale Randschichteigenschaften zurückzuführen. 

Die Analyse muss in den Fertigungsprozess integriert werden, weshalb die bisher genutzten post-process Standardverfahren durch den Einsatz der mikromagnetischen 3MA-Messtechnik ersetzt werden. Auf Basis der akquirierten Daten wird ein empirisches Prozessmodell des Drehprozesses mit den Methoden der Systemidentifikation erstellt, da eine präzise physikalische Modellierung aller relevanten Phänomene zu komplex ist.

Das Modell wird für einen Softsensor sowie den späteren Regelungs- und Vorsteuerungsentwurf eingesetzt.

Pu­bli­ka­tio­nen zum Pro­jekt

  1. Wegener, T.; Liehr, A.; Bolender, A.; Degener, S.; Wittich, F.; Kroll, A.; Niendorf, T.   Calibration and validation of micromagnetic data for non-destructive analysis of near-surface properties after hard turning.   In , In , 2021.   submitted.
  2. Wittich, F.; Kroll, A.   Evaluation of methods for feasible parameter set estimation of Takagi-Sugeno models for nonlinear regression with bounded errors.   In at -- Automatisierungstechnik, Vol. 69, No. 10, pp. 836-847, 2021.
  3. Wittich, F.; Kroll, A.   Approximation der zulässigen Parametermenge bei der Bounded-Error-Schätzung durch ein Ray-Shooting-Verfahren.   In 31. Workshop Computational Intelligence. GMA-FA 5.14, KIT Scientific Publishing, 2021.
  4. Schott, C.; Wittich, F.; Kroll, A.; Niendorf, T.   Prediction of near surface residual stress states for hard turned specimens using data driven nonlinear models.   In Procedia CIRP, Vol. 101, pp. 1-4, Sheffield, UK, 2021.
  5. Wittich, F.; Kistner, L.; Kroll, A.; Schott, C.; Niendorf, T.   On data-driven nonlinear uncertainty modeling: Methods and application for control-oriented surface condition prediction in hard turning.   In tm -- Technisches Messen, Vol. 87, pp. 732-741, 2020.
  6. Wittich, F.; Kahl, M.; Kroll, A.   Zur Schätzung zulässiger Parametermengen nichtlinearer Takagi-Sugeno-Multi-Modelle mit garantierten Fehlerschranken.   In 29. Workshop Computational Intelligence, pp. 247-254, Dortmund, 28.-29. November 2019. GMA-FA 5.14, KIT Scientific Publishing.
  7. Wittich, F.   Zur datengetriebenen Modellierung von Eigenspannungen bei einem Hartdrehprozess.   In WerkstoffWoche 2019, Dresden, 18.-20. September 2019.
  8. Wittich, F.; Kahl, M.; Kroll, A.; Zinn, W.; Niendorf, T.   On Nonlinear Empirical Modeling of Residual Stress Profiles in Hard Turning.   In IEEE International Conference on Systems, Man, and Cybernetics (SMC 2019), pp. 3235 -- 3240, Bari, Italy, 06.-09. October 2019. IEEE.
  9. Wittich, F.; Gringard, M.; Kahl, M.; Kroll, A.; Niendorf, T.; Zinn, W.   Datengetriebene Modellierung zur Prädiktion des Eigenspannungstiefenverlaufs beim Hartdrehen.   In 28. Workshop Computational Intelligence, pp. 61 -- 81, Dortmund, 29.-30. November 2018. GMA-FA 5.14, KIT Scientific Publishing.