Oberflächenstrukturierte tribologische Gleitkontakte

 

Datengetriebene Optimierung von Oberflächentexturen für tribologische Gleitkontakte

  Oberflächenstrukturierte tribologische Gleitkontakte Urheberrecht: © MSE

Motivation

In den letzten Jahren wurde das große Potenzial der Oberflächentexturtechnologie zur Verringerung von Reibung, Verschleiß und Ermüdung bei hochbelasteten tribologischen Kontakten, wie Gleit- oder Wälzlagern, nachgewiesen. Insbesondere in Betriebspunkten nahe dem Übergang zwischen dem hydrodynamischen Betrieb und dem Mischreibungsbetrieb zeigten texturierte Systeme verbesserte tribologische Eigenschaften. Allerdings führen die Parameter des Texturdesigns, z.B. die Geometrie und Positionierung der Texturen für ein gegebenes System zu einer großen Anzahl von Freiheitsgraden, was die Optimierung von oberflächentexturierten tribologischen Kontakten zu einer anspruchsvollen Aufgabe macht. Künstliche Intelligenz (KI) hat aufgrund ihrer hohen Anpassungsfähigkeit und Zeiteffizienz für die oben genannten multivariaten Optimierungsprobleme viel Aufmerksamkeit erregt. Um die Leistung eines KI-Ansatzes zu verbessern, muss jedoch eine große Menge an Daten verfügbar sein. Experimentelle Daten liefern oft nur begrenzte Informationen und sind mit hohen Kosten verbunden. Daher wird in diesem Projekt das Domänenwissen von physikalisch basierten numerischen Modellen als kosteneffiziente Alternative genutzt. Ein weiterer Schwerpunkt wird auf die durch das Herstellungsverfahren bedingten Einschränkungen der Eingangsparameter gelegt. Optimierungsziele können eine geringe Reibung und ein geringer Verschleiß sowie ein effizientes Texturierungsverfahren sein.

Forschungsziele

Entwicklung eines AI-Modells zur Vorhersage und Optimierung von oberflächentexturierten tribologischen Kontakten mit den nachfolgenden Teilmodellen

  • Physikbasierte numerische Modelle zur Vorhersage des EHL- und Verschleißverhaltens von oberflächentexturierten Lagern unter Mischreibungsbedingungen
  • AI-Modell zur zeiteffizienten Vorhersage der tribologischen Leistung von oberflächentexturierten Lagern unter Mischreibungsbedingungen
  • AI-Modell zur robusten Optimierung von Oberflächentexturen für feste und freie Designparameter

Gefördert durch

China Scholarship Council-RWTH Aachen University Joint Program

Projekt-Sponsor

China Scholarship Council