FRAUNHOFER-INSTITUT FÜR KURZZEITDYNAMIK, ERNST-MACH-INSTITUT, EMIGenerative Fertigung, Designoptimierung von energieabsorbierenden Gitterstrukturen
Während die Einwirkung eines Projektils eine sehr lokalisierte Materialbelastung bewirkt, resultiert aus einer Explosionseinwirkung in der Regel eine flächige Materialbelastung. Allgemein ist in der Kurzzeitdynamik von hoher Bedeutung, Materialen und Strukturen auslegen zu können, die über die Fähigkeit zur Aufnahme von Energie verfügen und dabei noch eine hohe Resttragfähigkeit bieten können. Der metallische 3D-Druck erlaubt hier eine hohe Designfreiheit, und insbesondere lokal adaptierbare Gitterstrukturen erscheinen aufgrund ihrer leichten Bauweise besonders geeignet. Hierbei werden in der numerischen Simulation auch die Möglichkeiten von neuartigen evolutionären Algorithmen erforscht, die eine intelligente Designauslegung durch selbstständiges Lernen ermöglichen.
Potenzial und Herausforderungen von additiv gefertigten Gitterstrukturen zur Energieabsorption
Leichte zelluläre Gitterstrukturen können bemerkenswerte mechanische Eigenschaften wie eine erhöhte spezifische Festigkeit oder Energieabsorption aufweisen. Dies macht sie insbesondere für den Einsatz bei Crash-, Impakt- und Explosionsbelastungen attraktiv. Aufgrund der großen Fortschritte der additiven Fertigungsverfahren, wie dem Pulverbett-basierten Laserstrahlschmelzen, ist nun die Herstellung filigraner und komplexer Strukturen mit neuen Materialien und maßgeschneiderten Materialeigenschaften möglich. Dies bietet unzählige Möglichkeiten, mithilfe eines funktionsgetriebenen Designs die mechanischen Eigenschaften von Komponenten und Strukturen zu verbessern. Hierfür werden neue Optimierungsverfahren auf den meso- und makroskopischen Skalen benötigt, um das gesamte Potenzial auszunutzen.
Neue Methoden der Designoptimierung für energieabsorbierende Gitterstrukturen
Am Fraunhofer EMI wird an der Entwicklung neuer Optimierungsmethoden für das Design von Gitterstrukturen geforscht, um die Energieabsorption unter dynamischen Lastszenarien gezielt einzustellen und zu optimieren. Dabei werden neuronale Netze genutzt, um das komplexe Strukturverhalten vorherzusagen und die Anzahl an aufwendigen FE-Simulationen zu reduzieren. Zusammen mit evolutionären Algorithmen kann das Strukturverhalten optimiert werden. Darüber hinaus werden die optimierten Strukturen im Labormaßstab untersucht. Die Ergebnisse zeigen, dass eine erhebliche Verbesserung der Eigenschaften erzielt werden kann.
