Vorhersageverfahren zur Materialermüdung

"Ermüdung" in den Materialwissenschaften ist die strukturelle Schädigung eines Materials unter zyklischer Belastung. Das Ermüdungsverhalten eines Werkstücks wird durch zahlreiche Faktoren in komplizierter Weise beeinflusst.

Wir stellen ein mathematisches Data-Mining-Modell auf, in das gemessene statische Material-Parameter des neuen Materials einfließen. Ferner ist eine Datenbank mit statischen un zyklischen Kennwerten bekannter Materialien hinterlegt. Damit soll auf das unbekannte zyklische Verhalten eines neuen Materials geschlossen werden. Unser Modell unterstützt die Entwicklung neuer Materialien mit einer gewünschten zyklischen Belastbarkeit. Es kann verwendet werden, um die Anzahl von teuren praktischen Experimenten zur zyklischen Belastbarkeit zu verringern.

Partner

  • Technische Universität Darmstadt
  • UC Berkeley

Finanzierung

  • Deutsche Forschungsgemeinschaft DFG, Sonderforschungsbereich SFB-666.

Vorträge

  1. A Data-Mining Linear Programming Model to Predict Material Fatigue Parameters, Seminar Nichtlineare Optimierung und Inverse Probleme, WIAS, Berlin, 2.11.2010.
  2. Mathematische Optimierung bei der Entwicklung spaltwalzfähiger Produkte im DFG Sonderforschungsbereich 666, 3rd Symposium of the Arbeitskreises Metallindustrie und Mathematik (MetMat#3), Bad Honnef, 18.11.2008.
  3. A Data-Mining Linear Programming Model to Predict Cyclic Metal Fatigue Parameters, IFORS 2008, Sandton, Südafrika, 15.7.2008.

Veröffentlichungen

  1. Chalid el Dsoki, Armin Fügenschuh, Holger Hanselka, Dorit Hochbaum, Irma Hernandez-Magallanes, Erick Moreno-Centeno, Andrea Peter, Das ANSLC-Programm und das SDM im Vergleich, Peter Groche (Ed.), Sonderforschungsbereich 666: Integrale Blechbauweisen höherer Verzweigungsordnung – Entwicklung, Fertigung, Bewertung, Meisenbach Verlag, Bamberg, pp. 97 – 106, 2008.

Unsere Webseite verwendet Cookies. Diese haben zwei Funktionen: Zum einen sind sie erforderlich für die grundlegende Funktionalität unserer Website. Zum anderen können wir mit Hilfe der Cookies unsere Inhalte für Sie immer weiter verbessern. Hierzu werden pseudonymisierte Daten von Website-Besuchern gesammelt und ausgewertet. Das Einverständnis in die Verwendung der technisch nicht notwendigen Cookies können Sie jeder Zeit wiederrufen. Weitere Informationen erhalten Sie auf unseren Seiten zum Datenschutz.

Erforderlich

Diese Cookies werden für eine reibungslose Funktion unserer Website benötigt.

Statistik

Für den Zweck der Statistik betreiben wir die Plattform Matomo, auf der mittels pseudonymisierter Daten von Websitenutzern der Nutzerfluss analysiert und beurteilt werden kann. Dies gibt uns die Möglichkeit Websiteinhalte zu optimieren.

Name Zweck Ablauf Typ Anbieter
_pk_id Wird verwendet, um ein paar Details über den Benutzer wie die eindeutige Besucher-ID zu speichern. 13 Monate HTML Matomo
_pk_ref Wird benutzt, um die Informationen der Herkunftswebsite des Benutzers zu speichern. 6 Monate HTML Matomo
_pk_ses Kurzzeitiges Cookie, um vorübergehende Daten des Besuchs zu speichern. 30 Minuten HTML Matomo