Forschungsteam der IIT-G entwickelt Berechnungsmethode für das Versagen von Composites

Die Versagenswahrscheinlichkeit von faserverstärkten Verbundwerkstoffen zu berechnen ist immer wieder Gegenstand der Forschung.

Einem Team des Indian Institute of Technology Guwahati (IIT-G) unter der Leitung von D. Nelson Muthu, Assistenzprofessor am Fachbereich Maschinenbau, ist es gelungen, Modellierungsmethoden zu entwickeln, mit denen sich die Versagenswahrscheinlichkeit von Verbundwerkstoffen bewerten lässt. Eingesetzt haben die Forschenden dazu eine Kombination aus maschinellen Lernwerkzeugen und Stichprobenverfahren, um das Versagen und andere mechanische Eigenschaften der Verbundwerkstoffe zu modellieren und vorherzusagen. Die Kombination dieser Werkzeuge erzielt dabei bessere Ergebnisse als Mehrfachwahrscheinlichkeitsverfahren wie die Monte-Carlo-Simulation.

Faserverstärkte Verbundwerkstoffe sind im Leichtbau weit verbreitet. In der Luft- und Raumfahrt sind spezieller Strukturbauteile, beispeilsweise der Rumpf, die Tragflächen, das Leitwerk, die Türen und Bauteile im Innenraum von Flugzeugen aus Verbundwerkstoffen hergestellt. Die Boeing 787 Dreamliner besteht zu 80 Prozent aus Verbundwerkstoffen, wodurch der Treibstoffverbrauch im Vergleich zu seinen Vorgängermodellen um 20 bis 25 % gesenkt werden konnte, so der Bericht auf der indischen Webseite.

„Trotz ihres breiten Einsatzes können Verbundwerkstoffe aufgrund von Problemen wie Faser-Matrix-Debonding, Delaminierung, Faserfehlstellung, Rissbildung in der Matrix, Dichteschwankungen, Faserbruch, Aufprallschäden usw. versagen. Wir müssen solche Versagen verstehen und vorhersagen, damit der Verbundwerkstoff und das Bauteil entsprechend ausgelegt werden können und das Versagensrisiko verringert wird.“
Dr. Nelson Muthu, Assistenzprofessor am Fachbereich Maschinenbau des IIT-G

Mehrfachwahrscheinlichkeitsmethoden wie die Monte-Carlo-Simulation verbrauchen viel Computerzeit und Speicherplatz, da die Eigenschaften von Verbundwerkstoffen von vielen Faktoren beeinflusst werden: von der Verteilung der Faser- und Matrixeigenschaften (auf der Mikroebene), der Laminatverbindung (auf der Mesoebene) und dem Produktdesign auf der Makroebene (auf der Makroebene).

Das Team des IIT Guwahati entwickelte deshalb einen rechnerisch effizienten, auf mehreren Skalen basierenden Metamodell-Ansatz, der maschinelle Lernwerkzeuge wie Support Vector Machines und Stichprobenverfahren wie Latin Hypercube kombiniert, um das Versagensrisiko bei Verbundwerkstoffen mit vielen Unsicherheitsquellen zu bewerten.

Quelle und weitere Infos: The Sentinel of Assam