Design of optimal preforms for forged parts by use of stochastic optimization methods
Final Report Abstract
Im Rahmen des Forschungsprojekts wurden die Möglichkeiten für den Einsatz von evolutionären Algorithmen zum Einsatz in der Vorformoptimierung für mehrstufige Stadienfolgen untersucht. Dabei wurde eine Lösung entwickelt, welche einen grundsätzlichen Einsatz ermöglicht und zur Reduktion des Zeitaufwandes bei der Entwicklung von mehrstufigen Stadienfolgen beitragen kann. In einem ersten Schritt wurde eine modularisierte Betrachtung des Fertigteils entwickelt. Die modularisierte Betrachtung erlaubt die Komplexität der Bauteile genau zu beschreiben. Damit kann jedem Fertigteilmodul das entsprechende Vorformmodul automatisiert zugewiesen werden. Weiterhin wurden die im evolutionären Algorithmus hinterlegten Bewertungsfaktoren angepasst. Im Gegensatz zum Vorgängerprojekt wurden in Absprache mit dem Anwendungspartner neue Kriterien definiert, welche die Eignung einer Vorform aus Sicht der Schmiedeindustrie beschreiben. Insgesamt wurden vier Faktoren (Formfüllung, Falten, Vorformvolumen, Vorformkomplexität) in die Bewertung implementiert. Für diese vier Faktoren wurden analytische Beschreibungen abgeleitet, welche es ermöglichen, die einzelnen Faktoren zu bewerten. Die Eignung dieser Faktoren wurde überprüft. Dabei hat sich gezeigt, dass die entwickelten Gleichungen geeignet sind, um die für eine Vorform abgeleiteten Ziele zu erreichen. Die Modularisierung und die neu entwickelten Bewertungsfaktoren wurden anschließend in den evolutionären Algorithmus implementiert. Da wesentliche Teile verändert wurden, wurde eine vollständig neue Programmierung in MATLAB durchgeführt. Der entwickelte Algorithmus wurde anschließend unter Verwendung unterschiedlicher Demonstratorbauteile getestet. Die Überprüfung der Eignung wurde zunächst mit FEM-Simulationen durchgeführt. Diese haben gezeigt, dass der Algorithmus in der Lage ist, Vorformen für komplizierte Langteile mit Grat zu entwickeln. Insbesondere die Bewertungsqualität des Algorithmus hat sich als sehr gut herausgestellt, obwohl der Algorithmus auf den Einsatz von FEM-Simulationen verzichtet. Dennoch haben sich bei dem wichtigsten Bewertungsparameter Formfüllung Abweichungen von < 5 % ergeben. Abschließend wurden praktische Schmiedeversuche mit Vorformen durchgeführt, die vom Algorithmus ausgelegt wurden. Dazu wurden für das Demonstratorbauteil vom Anwendungspartner Rohteile hergestellt. Diese Rohteile wurden anschließend in das Serienwerkzeug eingesetzt. Dabei hat sich gezeigt, dass mit den vom Algorithmus ausgelegten Vorformen eine Gratreduktion möglich ist. Ein industrieller Einsatz der Technologie erscheint möglich. Die entwickelte Methode eignet sich insbesondere für Konstruktionsingenieure, um einen ersten Vorschlag zur Gestaltung der Vorform zu erhalten. Auf Basis dieses Vorschlags kann der Konstruktionsingenieur die vom Algorithmus generierte Vorform an firmeninterne Vorgaben anpassen oder spezielle Randbedingungen berücksichtigen, welche im Algorithmus noch nicht implementiert sind. In nachfolgenden Untersuchungen sollte der Algorithmus auf beliebige Vorformverfahren weiterentwickelt werden. Die wichtigsten Grundlagen zur Beschreibung der Eignung einer Vorform wurden im hier abgeschlossenen Projekt geschaffen.
Publications
- Feature based prediction of formfilling for preforming optimization of hot forging processes. In: Advancements in Theoretical and Applied Plasticity, NEAT PRESS, 2016, pp. 211-213. Editor: Akhtar S. Khan. ISBN 978-0-9911654-7-6
Knust, J., Stonis M., Behrens, B.-A.
- In 60 Sekunden zur Vorform mit evolutionären Algorithmen. In: phi – Produktionstechnik Hannover informiert, PZH-Verlag, 19. Jg. (2016)
Knust, J.
- Preform optimization for hot forging processes using an adaptive amount of flash based on the cross section shape complexity. Production Engineering (2016)
Knust, J.; Stonis, M.; Behrens, B.-A.
(See online at https://dx.doi.org/10.1007/s11740-016-0702-7) - Preform optimization for hot forging processes using genetic algorithms. In: International Journal of Advanced Manufacturing Technology
Knust, J.; Podszus, F.; Stonis, M.; Behrens, B.-A.; Overmeyer, L.; Ullmann, G.
(See online at https://doi.org/10.1007/s00170-016-9209-9)
