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

M.Sc. Felix Wittich

H2/2018 - H1/2022

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

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.

• Felix Wittich, Matthias Gringard, Matthias Kahl, Andreas Kroll, Thomas Niendorf, & Wolfgang Zinn (2018). Datengetriebene Modellierung zur Prädiktion des Eigenspannungstiefenverlaufs beim Hartdrehen. In 28. Workshop Computational Intelligence (pp. 61 – 81). KIT Scientific Publishing.
• Felix Wittich, Matthias Kahl, Andreas Kroll, Wolfgang Zinn, & Thomas Niendorf (2019). 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).
• Felix Wittich, Lars Kistner, Andreas Kroll, Christopher Schott, & Thomas Niendorf (2020). On data-driven nonlinear uncertainty modeling: Methods and application for control-oriented surface condition prediction in hard turning. tm – Technisches Messen, 87, 732-741.
• Christopher Schott, Felix Wittich, Andreas Kroll, & Thomas Niendorf (2021). Prediction of near surface residual stress states for hard turned specimens using data driven nonlinear models. In Procedia CIRP (pp. 1-4).
• Thomas Wegener, Alexander Liehr, Artjom Bolender, Sebastian Degener, Felix Wittich, Andreas Kroll, & Thomas Niendorf (2022). Calibration and validation of micromagnetic data for non-destructive analysis of near-surface properties after hard turning. HTM Journal of Heat Treatment and Materials, 77(2), 156 – 172.
• Felix Wittich, Thomas Wegener, Alexander Liehr, Wolfgang Zinn, Thomas Niendorf, & Andreas Kroll (2023). Data-driven prediction of the surface layer condition in hard-turning for controlling component quality. Production Engineering.