EP2188747A1 - Verfahren zur bestimmung des formänderungsvermögens eines körpers - Google Patents

Verfahren zur bestimmung des formänderungsvermögens eines körpers

Info

Publication number
EP2188747A1
EP2188747A1 EP08801169A EP08801169A EP2188747A1 EP 2188747 A1 EP2188747 A1 EP 2188747A1 EP 08801169 A EP08801169 A EP 08801169A EP 08801169 A EP08801169 A EP 08801169A EP 2188747 A1 EP2188747 A1 EP 2188747A1
Authority
EP
European Patent Office
Prior art keywords
test
geometry
convex
cross
concave
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Withdrawn
Application number
EP08801169A
Other languages
English (en)
French (fr)
Inventor
Christian Klimmek
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Simuform GmbH
Original Assignee
Simuform GmbH
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Simuform GmbH filed Critical Simuform GmbH
Publication of EP2188747A1 publication Critical patent/EP2188747A1/de
Withdrawn legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation

Definitions

  • the invention relates to a method for determining the deformability of any test object.
  • FEM technology has become established for the computer-aided investigation of the deformability of bodies.
  • solid bodies deform or distort when exposed to external loads and forces. These distortions then lead to interactions within the body, to so-called internal tensions.
  • the body is in a force balance with the external loads acting on it through these internal stresses. Any change in the external loads then leads to another
  • FEM Boundary value problems. FEM is used to calculate the reaction of the body or its internal stresses as a function of the external loads. The effect of the totality of distortions represented by a displacement vector field can be approximated by a numerical calculation method.
  • the geometry of the body is divided into finite elements. Based on the calculation of the deformability of each finite element and taking into account the interaction with it adjacent to it
  • statistical forecasting models are able to calculate or forecast very accurate results based on systematic experiments or on the basis of a population of data or relevant information from any source for a relevant range of values.
  • experimental plans are used, which can subdivide the range defined and accurately map. The determination of the totality can also be done in a different way than through the use of experimental plans.
  • a disadvantage of the methods mentioned, including the statistical forecast models, is that they depend on a direct coupling with a respective FEM node.
  • the results on the FEM simulations are linked to the respective node of the calculation model, which in turn are coupled to a forecasting model, which is used to display the respective results exclusively for this node Can be found.
  • Existing methods have so far been used for pure strength problems or so-called Euler problems, or used in the analysis of structural mechanics, where instead of changing the geometry only different load cases are to be investigated.
  • DE 199 17 045 A1 describes a method for determining the deformations and stresses of a total structure consisting of partial structures under the action of external forces, wherein each of the partial structures consists at least partially of a material plastically deformed in a forming process.
  • FEM finite element method
  • a first sub-step of the method is determined by means of a simulation using the finite element method (FEM), which structural properties and stresses each sub-element has due to its Urformung in a forming process.
  • FEM finite element method
  • the determined structural properties and the material properties of all substructures are then introduced into a finite element simulation of the overall system, so that a more realistic simulation of the deformation of the overall system can be achieved compared to conventional simulation methods.
  • DE 195 16 463 A1 describes a method for determining optimized conditions for powder forging processes and for extruding powdery starting materials. In order to determine material properties of the powdery starting material, stress and elongation tests are carried out with it in a first method step. The material parameters determined in this way are used in a finite element simulation of the powdery starting material, wherein in particular interfaces of the forging tool or of the extrusion tool can be exactly taken into account in the simulation.
  • DE 196 01 858 C1 describes a method for determining the yield strength of a steel in which, starting from steels of known composition and yield strength by means of a neural network, the yield strength of steels with new, not yet examined composition is predicted. The neural network is trained with material properties and compositional properties of already known steels. In this case, a particularly suitable neural network results from the fact that the neural network is designed as a multilayer perceptron with a hidden layer which comprises approximately 80 to 120 nodes.
  • the invention has for its object to provide a method for determining the deformability of a body, which ensures by using mathematical models, a shortening of the computing time with sufficient accuracy of the result.
  • a method according to the invention for determining the deformability of an examination body comprises the following steps:
  • step viii) detecting the geometry of at least one test body and forming a finite element structure of the geometry of the test body, ii) assigning the test body to a specific geometry class, wherein the test body is assigned a form factor that characterizes the geometry of the test body, iii) calculating the Deformability of the test body based on the finite element structure, iv) defining a reference body consisting of a selected material in a defined manner by means of a test in dependence on at least one process parameter, v) evaluating in-mold areas of the reference body to determine geometric parameters, vi) decoupling the geometric parameters from vii) generating a mathematical model in which the normalized geometric parameters, the at least one process parameter and a material-specific parameter for the material of the reference body are summarized viii) calculating the deformability of the test body for a spatially defined range by means of a predetermined number of simulations based on the mathematical model of step vii), ix) comparing the result of step viii
  • a significant advantage of the method according to the invention is that no significant calculation times are required for the prognostication of the ability to change the shape of an examination body, because any given examination body can be correlated with the results for a test body, which results were previously determined by the Steps x) and xi) have been achieved.
  • an interactive "online" - process planning for an examination body is possible, for example using a computer system or the like. This allows a more efficient and, in particular, faster feasibility test than conventional methods, in particular with regard to a selection of materials and to process parameters.
  • both solid bodies and material melts which are brought into a predefined form by the in-mold dressing according to step iv), can be examined for their ability to change their shape. Accordingly, in step iv) either a solid body or a melt-shaped body is defined deformed or urformed by means of the test experiment.
  • the reference body For deforming the reference body in the form of a solid body, it is possible to use a matrix which, in adaptation to the desired shape, has defined regions of curvature with defined geometrical parameters for the reference body.
  • the assumption of a congruent image can be made, in which the reference body fits precisely to the surface of the matrix, in particular its curved areas.
  • the curvature regions of the reference body correspond to those of the die after its deformation.
  • the reference body then has geometric parameters that correspond to the geometrical parameters of the die.
  • the deformation of the reference body can be done for example by deep drawing, forging, embossing or similar forming processes.
  • the resulting shape of the reference body is also dependent on at least one process parameter with which the test attempt is performed.
  • the process parameters may be formed from the retention forces and / or from the hold-down forces or from the starting sheet thickness of the reference body.
  • shape change capability is understood to mean the mold filling of a geometrically defined enveloping mold in interaction with the external loads and boundary conditions in the form of the at least one process parameter.
  • the shaping of the cavity defines the resulting shape of the reference body after demolding from the cavity, the geometrical parameters of cavity and in-mold brought reference body corresponding to each other.
  • the boundary conditions in the form of the at least one process parameter may consist of the temperature, the viscosity and the material composition of the melt, as well as the flow state during filling of the cavity and the cooling rate.
  • step v After evaluating the geometric parameters in step v), these are then decoupled from the absolute network coordinates of the reference body, for example by means of the total differential of the local curvature the respective deformed areas.
  • absolute coordination represented in space is replaced by local geometric relationships within the reference body itself.
  • discrete finite elements of the deformed regions can be assigned a local depth to result in a 3-D body.
  • the accuracy of the imaging quality is increased by performing a plurality of different test experiments in which the at least one test parameter (e.g., hold-down force), geometric dimensions of, for example, a punch and / or the material for the reference body can be changed. Analogously, this applies to a prototype of the at least one test parameter (e.g., hold-down force), geometric dimensions of, for example, a punch and / or the material for the reference body can be changed. Analogously, this applies to a prototype of the at least one test parameter (e.g., hold-down force), geometric dimensions of, for example, a punch and / or the material for the reference body can be changed. Analogously, this applies to a prototype of the at least one test parameter (e.g., hold-down force), geometric dimensions of, for example, a punch and / or the material for the reference body can be changed. Analogously, this applies to a prototype of the at least one test parameter (e.g., hold-down force), geometric dimensions of, for example, a
  • Reference body eg casting a molten material in a cavity, wherein a change in the test parameter, for example, in relation to the melt temperature is possible.
  • a multiplicity of different geometric parameters are generated, which are then combined in step vii) in each case in a separate mathematical model.
  • a separate mathematical model is required for every physical quantity that gives a statement about the deformability of the test body. It follows that the number of mathematical models for a reference body results from the number of mathematical models for the geometrically unambiguously defined ranges multiplied by the number of physical quantities which describe the deformability of the reference body.
  • the Consideration of any physical size that allows a reference to the deformability of the reference body possible.
  • test assays may be formed from a cupping test, a cross-puncture tensile test, a Marciniak test, a Nakazima test, or similar test tests that illustrate the forming behavior of a material in a limit shape variation plot. It is advisable to investigate different geometries based on a test plan in step iv) or to deform or prime the same reference body with other process parameters, so that a broad range of geometric parameters with respect to curvature ratios, component depth and the like is covered. Following this, the different geometric parameters are then normalized in steps v) and vi).
  • the execution of mutually differing test tests is preferably carried out on the basis of a statistical experimental design in order to generate a plurality of parameter combinations and thus a plurality of corresponding mathematical models.
  • These plurality of mathematical models are expediently stored in a database which can be retrieved correspondingly as a function of a particular test body and / or a selected examination body. This allows fast access and fast
  • the mathematical models can be used to give a precise feasibility forecast for any parameter variations and materials in a short time.
  • the mathematical models are transferred to the geometry of the test body or of the examination body with the aid of a user-friendly user interface.
  • the corresponding target size can be displayed in a false color display on a monitor.
  • a test body is provided, with respect to the geometry of a finite element structure is formed.
  • the geometry of a test object roughly corresponds in its proportions to the proportions of a test object, which ultimately has to be examined.
  • test body is assigned to a specific geometry class, whereby the test body is assigned a so-called form factor, which characterizes the geometry of the test body. Due to the form factor, a separate geometry class is defined in each case for different test bodies, whereby a statement regarding the macrogeometry of the test body is made. After a finite element structure is formed for the test body, the deformability of the test body is calculated based on this.
  • step viii) After at least one mathematical model has been generated both in step vii) and, in parallel, the deformability of the test body has been calculated on the basis of the finite element structure according to step iii), then the deformation capacity of the test body is calculated on the basis of the mathematical model in step viii) , by means of a predetermined number of simulations. The result from this is then compared with the result from the FEM calculation. If there is a difference between the result from step viii) and step iii), the steps viii) and ix) are repeatedly carried out, in each case scaling the normalized geometric parameters with a fit factor when calculating the formability of the test body by means of the mathematical models becomes.
  • the fit factors used to correct the normalized geometric parameters are scalar quantities.
  • the repetition of steps viii) and ix) is carried out until the result of the respective calculations of the deformability on the basis of the mathematical model (step viii)) or on the basis of the finite element structure (step iii)) match as best as possible.
  • the method of least squares is suitable. It can, however Other methods may also be used with which such a check is possible, eg other calculation method for the determination of optima.
  • the normalized geometric parameters After the normalized geometric parameters have been corrected by means of the fit factors in step x), they are combined with the form factor from step ii), so that a matrix is formed therefrom. This matrix then forms a basis for making a correlation with the examination body.
  • the examination body is set in relation to the form factor of the test body from step ii), so that the at least one mathematical model based on the matrix from step xi) is thereby transmitted to the examination body in order to predict its ability to change shape.
  • the examination body is linked to the matrix of step xi), so that its data (linking the scaled normalized geometric parameters) with the form factor from step ii) allow a prediction of the deformability of the examination body.
  • An access to the matrix from step xi) allows very short access times associated with a short calculation time and a clear assignment to a respective examination body without its geometry being completely recalculated.
  • the matrix from step xi) is stored in a suitable database, this database being retrieved when performing step xii).
  • a spatially defined area of the test body is calculated with respect to the deformability
  • a plurality of mathematical models are advantageous, each containing different geometrical parameters to cover a wide parameter range.
  • this can be done by modifying in step iv) the test test for defined deformation or prototyping of the reference body, in order thereby to produce different deformations or shapes of the reference body, resulting in different geometric parameters.
  • These respective different geometric parameters are then combined in conjunction with the associated process parameters and a corresponding material-specific parameter to form a respective forecast model.
  • the plurality of such mathematical models ensures that certain shapes of a test body or corresponding areas of curvature or the like are mapped sufficiently accurately therein.
  • cluster is a matrix in which the individual mathematical models are summarized.
  • Another possibility for increasing the accuracy of prediction is that an interpolation or extrapolation is carried out on the basis of two mathematical models.
  • the mathematical determinations by means of these polynomials e.g. third order takes place by means of l-optimal or D-optimal experimental designs.
  • mathematical models which are mathematically determined contain further geometrical parameters which ensure an even more exact adaptation to the geometry of the test body.
  • the mathematical models serve to provide a high imaging accuracy for a specific type of geometry of a test body.
  • This can be done by a plurality of mathematical models are carried out in which different geometric parameters are included in adaptation to different areas of curvature of the test body.
  • such mathematical models can also be determined purely mathematically by performing an interpolation or extrapolation based on two existing mathematical models.
  • the mathematical models can thus describe, with respect to a solid body, the displacement vector field of the experimental body matching its local component geometry.
  • forecasting models based on a neural network can be used in the same way.
  • each geometric parameter corresponding to a discrete curvature region of the reference body can be varied in isolation.
  • a mathematical submodel is generated in conjunction with the other parameters, this submodel being taken into account accordingly in the calculation of the deformability of the test specimen in step viii).
  • the mathematical submodel is a predictive model in the traditional sense, which is determined for geometrical parameters with finer discretization. This leads to an even better adaptation to the molding geometry of the test body and thus to an even higher imaging accuracy.
  • the mathematical model from step vii) and / or the mathematical submodel can be a statistical prognosis model or a model based on a neural network.
  • a statistical forecasting model is a model whose data source has been generated on the basis of a statistical design.
  • the generated data may be based on a normalized normal distribution.
  • the repeated execution of the test according to step iv) can be carried out by means of a statistical test plan so that at least one statistical forecasting model or a plurality of such models are then generated from the data obtained therefrom or the geometric parameters of the in-mold reference body.
  • the steps i) to iii) can be carried out for different test bodies, each test body corresponding to its own geometry class.
  • a plurality of test bodies are provided, each of which belongs to a different geometry class because of its different shape.
  • a geometry class is a group of components that can be approximated with the same fit and form factors.
  • Results from this are then stored in a database, in particular the matrix from step xii), so that a plurality of prognosis models linked to a corresponding form factor for different test bodies are contained in this database.
  • a database in particular the matrix from step xii)
  • the examination body is corrected with the form factor of an associated test body from step ii).
  • Normal direction vector defined, which defines a material-specific anisotropy.
  • the selected geometric parameters are set in relation to the normal direction vector, so here the deformation behavior of the reference body with respect to its anisotropy is taken into account. This results in a high imaging accuracy of the method according to the invention, in particular taking into account practice-relevant production methods.
  • step xii) For the geometry of a respective examination body, a finite element structure is also known.
  • a shape factor is known for the geometry of the examination body - analogous to the geometry of the experimental body.
  • the matrix of step xi) can be applied to the finite element structure of the examination body. Deviations or differences between the examination body and the test body are taken into account by a quotient of the two form factors of these two bodies in order to ensure sufficiently high imaging accuracy for the examination body and its ability to change its shape.
  • the statistical forecasting models can also be used to transfer the calculated target variables to a network topology, which can be used, for example, for crash simulations.
  • a finite element structure is likewise formed for the examination bodies, with each surface element being assigned a predetermined permissible limit value, for example for a sheet thickness or the like.
  • this is understood as an inverse use of the statistical forecasting models.
  • crash simulations there is the advantage that, at the same time as the determination of the target variables from the feasibility, a component design is carried out in parallel is possible for the crash area in vehicle planning, resulting in a significant time savings. In contrast, traditionally long calculation times and design procedures are required before the actual crash simulation can be started.
  • the statistical forecasting models can be used everywhere in production technology, where an existing population of data and information is used to derive forecasting models and transfer them to virtual computer models. In this way, information can be extracted from the real world Transfer process to a virtual computer model.
  • One possible area of application for this is the determination of shape deviations from springback effects in the production of sheet metal parts.
  • Another area of application may be the determination of the shrinkage dimension for forgings or pre-formed parts (castings) or the shrinkage dimension in the solidification of melts in primary molding processes.
  • the data for determining these models can also be obtained from highly accurate calculations in the same way as from practical tests.
  • the topology analysis according to steps v) and vi) is a study of the geometry with respect to the curvature areas and depth distributions in the component and the investigation and determination of the distances of the respective areas to the component edge.
  • the data or geometric parameters obtained from this topology analysis can be used in conjunction with corresponding mathematical models, eg in the form of statistical
  • Prediction models can also be used to predict the tool wear in the production technology, for example, after a defined number of strokes of forging processes or deep-drawing processes.
  • the mathematical models are not based on physical variables that can describe the deformation behavior, but rather the wear behavior of the tools used. These physical quantities include the contact normal stresses on the surfaces of the body (eg the Experimental body), which can be determined analogously using the FEM. These physical quantities can then be correlated with formulas known from the literature.
  • the topology analysis is linked to the forecast models and applied to a production process that is largely determined by the constellation tool geometry-material process parameters.
  • individual method steps by means of a computer or computer or the like can be made, in particular the method steps in which a shape-changing capacity of a body is calculated.
  • the results of such calculations are then stored in suitable databases or the like, so that the results are available for further processing or for later retrieval.
  • said method steps are executed as a computer program with program code means on a computer or a corresponding arithmetic unit.
  • program code means can be stored on a computer-readable data medium.
  • Fig. 1 shows a selection of geometric parameters on a
  • FIG. 2 shows a selection of geometric parameters on a
  • FIG. 4 shows the reference body of FIG. 3a or 3b after deformation by means of a double-cross punch
  • FIG. 6 shows various equations for the determination of prognosis models
  • FIG. 7 shows a statistical experimental plan for the determination of statistical prognosis models
  • FIG. 8 is a perspective view of a test specimen in the form of a
  • FIG. 9 shows a hierarchical structure for storing data of a reference body and a test body in a data memory
  • FIG. 10 shows a section of the hierarchical structure of FIG. 6, FIG.
  • FIG. 14 shows a matrix on the basis of a 3-D model according to step xi) of the method according to the invention.
  • 15 is a perspective view of an examination body in the form of a tailgate of a motor vehicle based on a finite
  • Figures 1 to 15 are the invention underlying aspects and individual steps of the method according to the invention and the method itself explained in detail.
  • FIG. 1 shows a perspective view of the geometry of a die 1 for a cross punch (not shown) in the quarter model.
  • the die 1 has a plurality of geometric parameters that are adapted to the shape of the cross punch. These geometric parameters are in detail:
  • R4 radius inner end
  • B1 curvature region concave-convex
  • B2 curvature region convex-convex
  • - T depth of the cross temple
  • - D1 length of the cross temple
  • the die 1 is used to reshape a reference body in the form of a board 2 (FIGS. 3 a, 3 b) in order to determine the formability of the board.
  • FIG. 3a shows a cross-sectional view of the circuit board 2
  • FIG. 3b shows a perspective view of a circuit board 2.
  • the circuit board 2 is always designated as a reference body.
  • the reference body 2 to be reshaped has an initial sheet thickness t (FIG. 3 a), and is placed on a contact surface of the die 1 before being deformed. Subsequently, the reference body 2 is transformed into the die 1 with the rigid cross punch.
  • the shape changing ability is dependent on the anisotropy of the selected material, which is expressed by anisotropy values r ⁇ , r45, or r90, for example.
  • Another Process parameters consists of the output sheet thickness t of the reference body 2, and also from a hold-down force NH, with which the reference body is clamped during deformation between the die and a hold-down.
  • a friction coefficient of the tools used forms another process parameter, which friction coefficient is influenced by the material of the die and / or the cross punch.
  • a die 1 1 according to FIG. 2 may also be used for the cross-punch test.
  • This die V is used for a cross punch attempt, in which a scaled small cross punch are inserted into the matrix in the middle of a large cross punch.
  • This is therefore a stamp-in-punch test, hereinafter also referred to as Koppelnchstkov attempt.
  • the geometric structure of the small punch within the large punch is analogous to the punch of Figure 1.
  • Such a double-crossed punch makes it possible to investigate the influence of secondary features within the Buchstkovs.
  • the respective geometrical parameters of the die 1 ' are shown in the perspective view of FIG. 2, in particular:
  • B5 curvature region convex-planar
  • B6 curvature region concave-flat
  • T1 total depth of the double crossed cancel
  • - T2 depth to the first step of the double cross punch
  • - D1 distance of the step from the edge
  • FIG. 4 shows in a perspective view a section of the blank 2 after deformation by means of a double-cross punch using a die 1 'according to FIG. 2.
  • the steps of the deformed blank 2 which steps on the geometrical parameters T1 and T2 of the die, can be clearly seen 1 'based. Due to the above-mentioned congruent mapping, the deformed regions of the reference body 2 correspond to the geometrical parameters of the matrix, so that the geometrical parameters of the matrix can also be assigned to these regions.
  • any other test attempt can be used for forming or prototyping a reference body, for example a cupping test, Marciniak test, a Nakazima test or the like.
  • a cupping test Marciniak test
  • a Nakazima test or the like.
  • these test experiments can reproduce the formability or the original formability of the reference body in a limit shape change diagram. Examples of Napfzieh needle with changed geometries are shown in the perspective views of Figures 5a-5d. Following the deformation of the reference body 2, its geometric parameters are decoupled from absolute spatial coordinates, so that a discretization of the geometry of the reference body 2 with nets and nodes is not necessary.
  • This decoupling takes place by a determination and evaluation of the curvature ratios of the reference body after its deformation, taking into account the total differential of the local curvature as well as the main and secondary curvature. If the deformation of the reference body 2 is carried out by means of the double-cross punch, the curvature ratios within the topology are determined on the basis of
  • Curvature areas concavo-convex, convex-concave or structured are concavo-convex, convex-concave or structured.
  • a cartographic division of the reference body results solely on the basis of the curvature ratios, wherein the boundaries are shown to different curvature ratios as polylines (boundaries).
  • a subdivision with isometric lines is optionally possible if the curvature of the corresponding area is not constant. This subdivision can be done by means of a mathematical submodel.
  • a further subdivision of the curvature areas by means of isometric lines is possible and also recommended because of the complex curvature relationships, in order to achieve a higher imaging accuracy as a result.
  • a local depth is used to analyze the geometry of the deformed reference body 2.
  • the reference body is brought into a thermoformable position (without undercuts) before the geometric analysis. The combination of the local depth with the local curvature areas results in an even more detailed topology description.
  • a reference body can also be produced by casting a melt into a mold or a cavity.
  • the shape of the cavity determines the shape of the subsequently demolded reference body after cooling the melt, wherein a defect-free Filling the cavity is assumed by the melt without air pockets, voids or the like.
  • the mathematical model can be a statistical forecasting model or a model based on a neural network, without being limited to it. It is understood that based on mathematical models (eg, statistical forecasting models, models based on a neural network or the like) based on the simple Bachstempel drips or any other test attempt to deform the reference body can be made as long as reproduced in these experiments, the Whitneyform Sungshunt the reference body can be.
  • mathematical models eg, statistical forecasting models, models based on a neural network or the like
  • the statistical forecasting models may be formed based on the equations 1-3 shown in FIG.
  • Such prognosis models are known from the classical experimental design and, for example, explained in detail in: "Statistical method for quality assurance and optimization", Claus Weihs and Jutta Jessenberger, ISBN 3-527-29617-4. It goes without saying that the prognosis models for approximating the deformability of the reference body can also be used in any other form.
  • Equation 1 represents a model with main effects.
  • the model coefficients used here are in detail:
  • Equation 2 takes into account a model with dual interactions, where the model coefficients contained herein are the same as those in Equation 1.
  • Equation 3 considers quadratic effects for optimization, where the model coefficients contained herein are determined as follows:
  • All geometric parameters that belong to a test test or to the double-cross punch test are combined in a prognosis model in conjunction with the associated process parameters and a material-specific parameter, which describes the material of the reference body.
  • the double-crossed punch test has the advantage that it can take into account the influence of nonlinear leaning paths. Furthermore, in the case of the double-cross puncture, the influence of the distance to the edge of the step of the double-cross puncture can be detected in the form of the geometric parameter D1.
  • D1 for various double-crossed punch test trials makes it possible to quantify the influence of this edge region on the deformability of the reference body 2 in the region of the inner punch.
  • the areas of curvature B5 / B8 and B6 / B7 take account of the material anisotropy, which is of great importance in the area of sheet metal forming.
  • the individual parameters that are integrated in a forecast model must be able to be unambiguously identified when transferring the forecast models to another arbitrary geometry.
  • the above-mentioned geometric parameters according to the die of FIG. 1 and FIG. 2 are clearly identifiable parameters for the geometry and for the process control during deformation of the reference body.
  • the double-crossed punch test can be carried out with modified geometric parameters and / or with changed process parameters. Combinations of the respective associated geometric parameters and process parameters are then each assigned to a specific statistical forecasting model. Additionally or alternatively, based on two already determined prognosis models, further prognosis models can be determined purely by calculation, by means of an interpolation or extrapolation. For this purpose, the entire geometric parameters are systematically varied by means of l-optimal or E-optimal design plans. An example of such a design is shown in FIG. The abbreviations for the coded values of the table mean the following:
  • HN height of the minor feature
  • RN inlet radius of a pocket-shaped secondary feature
  • the geometry of a so-called test object is detected, thereby forming a finite element structure of the geometry of the test object.
  • a test body is a practice-relevant component, for example, a tailgate of a motor vehicle or the like.
  • An example of such a tailgate is shown in Figure 8 in a perspective view and hereinafter referred to as a test body 3. It can be seen here that the discretization of the FEM network increases in the areas of the experimental body 3 in which complexity of the geometry increases.
  • a test body 3 corresponds with its geometry at least approximately to a so-called examination body (FIG. 15), whose formability is to be determined by means of the method according to the invention.
  • the deformability of the test body 3 is subsequently calculated by means of a numerical simulation. This can be done depending on different materials that are formed for the test body 3.
  • the test body 3 is assigned to a specific geometry class, wherein the test body 3 is assigned a so-called form factor, which characterizes the geometry of the test body 3.
  • a form factor may be formed by a scalar size. The form factor can be chosen from the set of real numbers. Accordingly, the range of values extends from - ⁇ to + ⁇ .
  • a tailgate has a different form factor than a side sill.
  • FEM finite element method
  • FIGS. 9 and 10 show a possible organizational structure for storing a plurality of forecast models in a data memory.
  • FIG. 9 shows a hierarchical tree structure in which, for example, three colors for the materials A, B and C are present.
  • the catalogs for the respective materials can be subdivided with regard to so-called categories of respective test bodies (FIG. 8). Furthermore, individual categories can be subdivided once again according to a so-called component type.
  • two catalogs are provided in the database in the form of a so-called database for the catalog of material A, namely for category 1 and category 2.
  • the catalog of category 2 is assigned a catalog for a component type 3.
  • the terms of the category and the type of component are related to the above experimental body (FIG. 8), and represent various embodiments of the experimental body.
  • FIG. 10 shows a detail from the database of FIG. 9, with reference to the catalog for material A.
  • the superordinate database is provided with the reference numeral 4 and is to be understood as an area on a disk memory in which data for the forecast model stored permanently and in a structured manner.
  • a catalog for the material A is stored, which has memory areas 5 and 6.
  • the data of the forecast models of all categories for the material A are stored.
  • chert and in the memory area 6, the data of all reference bodies are stored with the shape of a double cross temple for the material A.
  • a catalog for the category 1 is provided in the database 4.
  • a memory area 7 assigned to this catalog contains the data of all component types of category 1.
  • another catalog is provided for a so-called component type 1, to which memory areas 8 and 9 are assigned.
  • the data of a so-called test body of this type of component are stored and in the memory area 9, the data of a prognosis model for the test body of this type of component are stored.
  • the method according to the invention works according to the flow chart of FIG. 11 as follows:
  • step S1 the geometry of the test body 3 is detected and formed therefrom a finite element structure.
  • a so-called test body 3 is determined from a practical component which has at least a similarity to a test body which is ultimately to be determined with regard to its ability to change its shape.
  • the test body 3 is assigned to a specific geometry class, wherein the test body is assigned a form factor which characterizes the geometry of the test body.
  • the test body 3 according to FIG. 8 may have a form factor of 1.0 in the form of the vehicle tailgate.
  • the form factor is a macroscopic size used to capture a category of a geometry.
  • the form factor may, for example, describe the ratio of length to width to depth of a test body 3. The form factor thus determines in advance the component category or the geometric conditions of the test body.
  • step S3 the deformability of the test body is calculated on the basis of the finite element structure, namely by means of a known FEM method.
  • the step S3 can be carried out several times for the same test body 3, that is, with the same geometry, in each case for different materials. Thus, information is generated as to how the same experimental body is related to another material with respect to its deformability.
  • the steps S1 to S3 can also be carried out for several or different test bodies, which in turn optionally consist of different materials.
  • the calculations for the different materials or different test bodies are stored in a suitable database. This is possible, for example, in a database 4 according to FIG.
  • steps S4 to S8 are performed.
  • this includes that in step S4 a reference body 2, which consists of a selected material, is deformed in a defined manner by means of a test experiment as a function of at least one process parameter.
  • Reference body consists for example of the board 2 according to the figures 1a and 1b, wherein the test test, for example, from a double cross punch test according to Figure 2 is.
  • step S5 the deformed regions of the reference body 2 are evaluated to determine geometric parameters. These parameters are based on the geometric parameters of the die 1 or die 1 'explained in FIG. 1 and FIG. 2, respectively. Due to a specific deformation behavior of a respective reference body 2, however, the deformed regions are to be determined concretely on the basis of the reference body after its deformation.
  • step S6 the geometric parameters of the reference body 2 from step S5 are decoupled from absolute network coordinates of the reference body 2, whereby the geometric parameters are normalized.
  • step S7 a mathematical model, preferably a statistical forecasting model is then generated, in which the normalized geometric parameters, the at least one process parameters and the material-specific parameters for the selected material of the reference body 2 are summarized. To avoid repetition, reference is made to the explanation regarding equations 1-3 in accordance with FIG. 6.
  • step S8 a spatially-defined region of the test object is calculated by means of a predetermined number of simulations on the basis of the statistical prognosis model from step S7.
  • the use of a single prognosis model is sufficient for this, but a higher accuracy of the image is achieved by using several prognosis models, in each of which different geometric parameters are contained.
  • the statistical forecast models contain only normalized geometric parameters. Thus, a transfer of these statistical forecast models to a test body with any geometry is possible.
  • step S9 Based on the results of steps S3 and S8, a comparison is made in step S9.
  • the results of the FEM calculation for the test body 3 serve as a reference value for the calculation by means of the prognosis models from step S8.
  • step S10 the steps S8 and S9 are repeated, whereby in step S8 a scaling of the normalized geometric parameters is carried out by means of a so-called fit factor.
  • a fit factor is a scalar quantity multiplied by a respective normalized geometric parameter.
  • the fit factor serves to carry out a local adjustment of the prognosis models in order to achieve an adaptation to the actual geometry course of the test body or its curvature areas.
  • step S10 ie a repetition of the steps S8 and S9 including the scaling of the normalized geometrical parameters in step S8, is carried out until the result of the calculation of the test body based on the finite element method (step S3) is used as best as possible the calculation based on the statistical forecasting models (step S8) matches.
  • step S3 offers the method of least squares.
  • step S9 shown in Figure 12, in which a forming limit diagram with the major strain as a function of ⁇ i Volunteerumformgrads ⁇ 2 represents.
  • the results of the calculation from step S8 are entered in the form of discrete points. This allows the scaling of the respective normalized geometric parameters with a fit factor according to step S10.
  • step S3 for a test body that has been deformed with a cupping test, the result of a FEM simulation is shown with regard to the reduction in sheet thickness in the respective regions of the cup.
  • FEM calculation according to step S3 is used for the calculation in step S8. It is understood that a result representation according to FIG. 13 is possible in the same way for a test body 3 according to FIG. 8 in the form of the vehicle tailgate.
  • step S11 a combination of the scaled parameters from step S10 with the form factor from step S2 is carried out, so that a matrix is formed therefrom.
  • a matrix is shown by way of example in FIG. 14 in a spatial diagram.
  • step S12 an examination subject is correlated with the form factor of step S2, so that the statistical prognostic models are transferred to the examination subject based on the matrix of FIG. 12 in order to predict its deformability.
  • FIG. 15 shows a test body 4 in a perspective view.
  • the examination body 4 is assigned a form factor which characterizes the geometry of the examination body 4.
  • both the FEM structure and a shape factor are known to the examination body 4.
  • a comparison of the test body 3 according to FIG. 8 and the test body 4 according to FIG. 15 makes it clear that the test body 4 although similar to the test body 3, however has a higher component complexity.
  • the examination body 4 has a different form factor, which can assume the value 1, 02, for example.
  • the imaging accuracy for the examination body 4 is increased by the fact that in the run-up to step S12, a wide variation of different test bodies 3 is examined or calculated and in this case the largest possible number of prognosis models with different normalized geometric parameters is available.
  • the scaling of the normalized geometric parameters by means of the so-called fit factors also takes into account secondary features of the test body 3 or geometric deviation from a standard form.
  • the prediction accuracy can be further increased by assigning each finite element a predetermined allowable limit for the finite element structure of the examination body 4, after step S12, when the examination body 4 is associated with the matrix of step S11, each finite element of the examination body 4 is checked for the corresponding predetermined limit value. If this predetermined limit value is undershot with respect to a respective finite element of the examination body, a conclusion is drawn on at least one normalized geometric parameter, so that the geometry of the examination body 4 can be adapted accordingly.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Investigating Strength Of Materials By Application Of Mechanical Stress (AREA)

Abstract

Die Erfindung betrifft ein Verfahren zur Bestimmung des Formänderungs- Vermögens eines Untersuchungskörpers unter Verwendung von mathematischen Modellen. Die mathematischen Modelle werden für geometrische Parameter erzeugt, die auf Grundlage von Testversuchen, bei denen ein Referenzkörper definiert umgeformt bzw. urgeformt wird, ermittelt werden. Mittels der mathematischen Modelle wird dann das Formänderungsvermögen eines Versuchskörpers berechnet, für dessen Geometrie eine Finite-Elemente-Struktur vorliegt. Für die Geometrie des Versuchskörpers ist ein Formfaktor bekannt, der diese Geometrie charakterisiert. Das Formänderungsvermögen des Versuchskörpers wird ebenfalls mittels eines Verfahrens auf Grundlage der Finite-Elemente-Methode (FEM) berechnet, wobei dann die Berechnungen für den Versuchskörper mittels der mathematischen Modelle auf Grundlage eines entsprechenden Vergleichs mit der FEM-Berechnung durch Fitfaktoren korrigiert werden, wobei diese Korrektur in einer Matrix gespeichert wird. Ein Untersuchungskörper wird schließlich mit dem Formfaktor des Versuchskörpers korreliert, wobei die korrigierten Berechnungsergebnisse aus der Matrix auf den Untersuchungskörper übertragen werden, um dessen Formänderungsvermögen zu prognostizieren.

Description

Verfahren zur Bestimmung des Formänderungsvermögens eines Körpers
Die Erfindung betrifft ein Verfahren zur Bestimmung des Formänderungsvermögens eines beliebigen Untersuchungskörpers.
Für die rechnergestützte Untersuchung des Formänderungsvermögens von Körpern hat sich unter anderem die FEM-Technologie etabliert. Nach einem allgemeinen Ansatz der Kontinuumsmechanik verformen bzw. verzerren sich feste Körper, wenn sie äußeren Lasten und Kräften ausgesetzt sind. Diese Verzerrungen führen dann zu Wechselwirkungen innerhalb des Körpers, zu sogenannten inneren Spannungen. Der Körper befindet sich über diese inneren Spannungen im einem Kraft-Gleichgewicht mit den auf ihn wirkenden äußeren Lasten. Jede Änderung der äußeren Lasten führt dann zu einem anderen
Spannungszustand innerhalb des Körpers. Analog dazu können Ansätze aus der Mechanik eingesetzt werden, um das Formänderungsverhalten nicht fester, sondern flüssiger Körper (z.B. newton'sche Flüssigkeiten, viskose Körper, viskoplastische Körper etc.) zu untersuchen. Die Finite-Elemente-Methode (FEM) stellt ein numerisches Näherungsverfahren zur Lösung sogenannter
Randwertprobleme dar. Mittels der FEM werden die Reaktion des Körpers bzw. seine inneren Spannungen in Abhängigkeit der äußeren Lasten berechnet. Die Wirkung der Gesamtheit der Verzerrungen, die sich durch ein Verschiebungsvektorfeld darstellt, kann durch ein numerisches Berechnungsverfahren approximiert werden.
Bei einer Berechnung nach der FEM-Technologie wird die Geometrie des Körpers in finite Elemente unterteilt. Auf Grundlage der Berechnung des Formänderungsvermögens jedes einzelnen finiten Elements und unter Berücksichtigung der Wechselwirkung zu daran angrenzenden
Flächenelementen kann im Ergebnis das Formänderungsvermögen des gesamten Körpers bestimmt werden. Voraussetzung ist jedoch, zunächst die vollständige Geometrie des Körpers in einer FEM-Struktur abzubilden und im Hinblick auf ein möglichst genaues Berechnungsergebnis hinreichend genau zu diskretisieren. Dies ist zeit- und rechenaufwändig.
Bei hochkomplexen Geometrien gelangen selbst die numerischen Berech- nungsverfahren auf Grundlage der FEM-Methode wegen des erforderlichen Rechenaufwands an ihre Grenzen. Durch eine Verknüpfung der FEM-Methode mit statistischen Methoden, Methoden der statistischen Datenauswertung und mit mathematischen Methoden zur Modellierung von Simulationen mit Hilfe neuronaler Netze ist es möglich, die Zahl der erforderlichen Berechnungsgänge zu reduzieren und dabei gleichzeitig die Zahl der zu variierender Parameter zu erhöhen, ohne dabei auf Informationen zu verzichten. Durch die Kombination dieser Methoden können eine Mehrzahl von verschiedenen Parametern gleichzeitig analysiert und deren Effekt auf das Formänderungsvermögen des zu untersuchenden Körpers bestimmt werden. Hierzu sind Verfahren bekannt, bei denen Prognosemodelle in Form von sogenannten "Response Surface Models (RSM)" die Auswertung von unterschiedlichen Parametern auf eine bestehende FEM-Simulation ermöglichen. Im Allgemeinen sind statistische Prognosemodelle dazu in der Lage, auf der Basis systematisch durchgeführter Versuche oder auf der Basis einer Grundgesamtheit von Daten bzw. relevanter Informa- tionen aus beliebiger Quelle für einen relevanten Wertebereich sehr genaue Ergebnisse zu berechnen bzw. zu prognostizieren. Für die systematische Erstellung der Datenbasis bzw. der Grundgesamtheit der Informationen werden in der Regel sogenannte Versuchspläne eingesetzt, die den Wertebereich definiert unterteilen und genau abbilden können. Die Festlegung der Grund- gesamtheit kann auch auf andere Weise erfolgen als über die Nutzung von Versuchsplänen.
Nachteil der genannten Verfahren unter Einschluss der statistischen Prognosemodelle ist jedoch, dass sie auf eine direkte Kopplung mit einem jeweiligen FEM-Knoten angewiesen sind. Die Ergebnisse auf den FEM-Simulationen werden mit dem jeweiligen Knoten des Berechnungsmodells verknüpft, die dann wiederum an ein Prognosemodell gekoppelt werden, welches zur Wiedergabe der jeweiligen Ergebnisse ausschließlich für diesen Knoten Verwendung finden kann. Dies bedeutet, dass weder adaptive Netzverfeinerungsmechanismen genutzt werden können, noch Verfahren untersucht werden können, bei denen unterschiedliche Eingangsgrößen wie zum Beispiel äußere Lasten, Randbedingungen u.a. zu unterschiedlichen Raumkoordinaten der Netze bzw. der Knoten führen. Bestehende Verfahren werden bislang auf reine Festigkeitsprobleme oder sogenannte Euler-Probleme verwendet, oder in der Analyse der Strukturmechanik eingesetzt, wo anstatt einer Veränderung der Geometrie lediglich unterschiedliche Lastfälle zu untersuchen sind.
DE 199 17 045 A1 beschreibt ein Verfahren zur Ermittlung der Verformungen und Spannungen einer aus Teilstrukturen bestehenden Gesamtstruktur unter der Einwirkung äußerer Kräfte, wobei jede der Teilstrukturen zumindest teilweise aus einem in einem Umformprozess plastisch verformten Material besteht. In einem ersten Teilschritt des Verfahrens wird mit Hilfe einer Simulation unter Verwendung der Finite Elemente Methode (FEM) ermittelt, welche Struktureigenschaften und Spannungen jedes Teilelement aufgrund seiner Urformung in einem Umformungsprozess aufweist. In einem zweiten Schritt des Verfahrens werden sodann die ermittelten strukturellen Eigenschaften und die Materialeigenschaften aller Teilstrukturen in eine Finite Elemente Simulation des Gesamtsystems eingebracht, so dass im Vergleich zu herkömmlichen Simulationsverfahren eine realistischere Simulation der Verformung des Gesamtsystem erreicht werden kann.
DE 195 16 463 A1 beschreibt ein Verfahren zur Ermittlung optimierter Bedingungen für Pulverschmiedeverfahren und für ein Extrudieren pulverförmiger Ausgangsmaterialien. Zur Ermittlung von Materialeigenschaften des pulverförmigen Ausgangsmaterials werden mit diesem in einem ersten Verfahrensschritt Spannungs- und Dehnungsversuche durchgeführt. Die so ermittelten Materialparameter werden in einer Finite Elemente Simulation des pulverförmigen Ausgangsmaterials verwendet, wobei bei der Simulation insbesondere Grenzflächen des Schmiedewerkzeugs bzw des Extrudierwerkzeugs exakt berücksichtigt werden können. DE 196 01 858 C1 beschreibt ein Verfahren zur Bestimmung der Formänderungsfestigkeit eines Stahls, bei welchem ausgehend von Stählen bekannter Zusammensetzung und Formänderungsfestigkeit mittels eines neuronalen Netzwerkes die Formänderungsfestigkeit von Stählen mit neuer, noch nicht untersuchter Zusammensetzung vorhergesagt wird. Das neuronale Netzwerk wird dazu mit Materialeigenschaften und Zusammensetzungseigenschaften bereits bekannter Stähle trainiert. Ein besonders geeignetes neuronales Netzwerk ergibt sich dabei dadurch, dass das neuronale Netzwerk als Multilayer Perceptron mit einer verdeckten Ebene, die etwa 80 bis 120 Knoten umfasst, ausgebildet ist.
Entsprechend liegt der Erfindung die Aufgabe zugrunde, ein Verfahren zur Bestimmung des Formänderungsvermögens eines Körpers zu schaffen, das durch Verwendung von mathematischen Modellen eine Verkürzung der Rechenzeit bei hinreichender Genauigkeit des Ergebnisses gewährleistet.
Diese Aufgabe wird durch ein Verfahren mit den Merkmalen von Anspruch 1 gelöst. Vorteilhafte Weiterbildungen der Erfindung sind in den abhängigen Patentansprüchen definiert.
Ein erfindungsgemäßes Verfahren zur Bestimmung des Formänderungsvermögens eines Untersuchungskörpers umfasst folgende Schritte:
i) Erfassen der Geometrie zumindest eines Versuchskörpers und Bilden einer Finite-Elemente-Struktur der Geometrie des Versuchskörpers, ii) Zuordnen des Versuchskörpers zu einer bestimmten Geometrieklasse, wobei dem Versuchskörper ein Formfaktor zugewiesen wird, der die Geometrie des Versuchskörpers charakterisiert, iii) Berechnen des Formänderungsvermögens des Versuchskörpers auf Grundlage der Finite-Elemente-Struktur, iv) definiertes In-Form-Bringen eines aus einem ausgewählten Werkstoff bestehenden Referenzkörpers mittels eines Testversuchs in Abhängigkeit von zumindest einem Prozessparameter, v) Auswerten von In-Form-gebrachten Bereichen des Referenzkörpers zur Bestimmung von geometrischen Parametern, vi) Entkoppeln der geometrischen Parameter von absoluten Netzkoordinaten des Referenzkörpers, wodurch die geometrischen Parameter normiert werden, vii) Erzeugen eines mathematischen Modells, in dem die normierten geometrischen Parameter, der zumindest eine Prozessparameter und ein materialspezifischer Parameter für den Werkstoff des Referenzkörpers zusammengefasst sind, viii) Berechnen des Formänderungsvermögens des Versuchskörpers für einen räumlich definierten Bereich mittels einer vorbestimmten Anzahl von Simulationen auf Grundlage des mathematischen Modells aus Schritt vii), ix) Vergleichen des Ergebnisses aus Schritt viii) mit dem Ergebnis aus Schritt iii), x) Wiederholen der Schritte viii) und ix), wobei in Schritt viii) jeweils eine Skalierung der normierten geometrischen Parametern mit einem Fitfaktor vorgenommen wird, solange, bis das Ergebnis aus Schritt viii) bestmöglich mit dem Ergebnis aus Schritt iii) übereinstimmt, xi) Verknüpfen der skalierten Parameter aus Schritt x) mit dem Formfaktor aus Schritt ii), so dass daraus eine Matrix gebildet wird, und xii) Korrelieren des Untersuchungskörpers mit dem Formfaktor aus Schritt ii), so dass das mathematische Modell auf Grundlage der Matrix aus Schritt xi) auf den Untersuchungskörper übertragen wird, um dessen Formänderungsvermögen zu prognostizieren.
Ein wesentlicher Vorteil des erfindungsgemäßen Verfahrens liegt darin, dass zur Prognostizierung des Formänderungsvermögens eines Untersuchungskörpers keine nennenswerten Berechnungszeiten erforderlich sind, weil ein beliebiger Untersuchungskörper in Korrelation mit den Ergebnissen für einen Versuchskörper gesetzt werden kann, welche Ergebnisse zuvor durch die Schritte x) und xi) erzielt worden sind. Hierdurch ist eine interaktive "Online"- Prozessplanung für einen Untersuchungskörper möglich, zum Beispiel unter Verwendung eines Rechnersystems oder dergleichen. Dies erlaubt eine effizientere und insbesondere schnellere Machbarkeitsprüfung als herkömm- liehe Verfahren, insbesondere im Bezug auf eine Werkstoffauswahl und auf Prozessparameter.
Durch das erfindungsgemäße Verfahren lassen sich sowohl feste Körper als auch Materialschmelzen, die durch das In-Form-Bringen gemäß Schritt iv) in eine vordefinierte Form gebracht werden, bezüglich ihres Formänderungsvermögens untersuchen. Entsprechend wird in Schritt iv) mittels des Testversuchs entweder ein fester Körper oder ein schmelzeförmiger Körper definiert verformt bzw. urgeformt.
Zum Verformen des Referenzkörpers in Form eines festen Körpers kann eine Matrize verwendet werden, die in Anpassung an die gewünschte Form für den Referenzkörper definierte Krümmungsbereiche mit bestimmten geometrischen Parametern aufweist. Bezüglich des Verformens des Referenzkörpers mittels der Matrize kann die Annahme einer kongruenten Abbildung getroffen werden, bei der sich der Referenzkörper passgenau an die Oberfläche der Matrize, insbesondere deren gekrümmten Bereiche anlegt. Hieraus resultiert, dass die Krümmungsbereiche des Referenzkörpers nach seinem Verformen denen der Matrize entsprechen. Somit weist dann der Referenzkörper in Entsprechung seiner gekrümmten Bereiche geometrische Parameter auf, die den geometrischen Parametern der Matrize entsprechen. Das Verformen des Referenzkörpers kann z.B. durch Tiefziehen, Schmieden, Prägen oder vergleichbaren umformende Verfahren erfolgen. Die resultierende Form des Referenzkörpers ist auch von zumindest einem Prozeßparameter abhängig, mit dem der Testversuch durchgeführt wird. Beispielsweise können bei einem Kreuzstempelzugversuch die Prozessparameter aus den Rückhaltekräften und/oder aus den Niederhaltekräften oder aus der Ausgangsblechdicke des Referenzkörpers gebildet sein. Bei Untersuchung einer Materialschmelze wird unter dem Begriff des Formänderungsvermögens die Formfüllung einer geometrisch definierten umhüllenden Form in Wechselwirkung mit den äußeren Lasten und Randbedingungen in Form des zumindest einen Prozeßparameters verstanden. Bei Durchführung des Testversuchs wird eine Materialschmelze urgeformt, d.h. in eine geeignete Form bzw. Kavität hineingegossen, die die resultierende Form für den Referenzkörper festlegt. Bei einem Hineingießen der Schmelze in die Form kann die Annahme getroffen werden, dass die Schmelze die Kavität vollständig und ohne Einschluss von Luft, Lunkern oder dergleichen ausfüllt. Entsprechend definiert die Formgebung der Kavität die resultierende Form des Referenzkörpers nach einem Entformen aus der Kavität, wobei die geometrischen Parameter von Kavität und In-Form-' gebrachtem Referenzkörper einander entsprechen. Die Randbedingungen in Form des zumindest einen Prozessparameters können aus der Temperatur, der Viskosität und der Materialzusammensetzung der Schmelze bestehen, sowie dem Strömungszustand beim Füllen der Kavität und der Abkühlgeschwindigkeit.
Mittels des Testversuchs, bei dem ein Referenzkörper definiert in Form gebracht wird, werden Daten bzw. Informationen über das Formänderungsvermögen des Referenzkörpers, d.h. Umformvermögen oder Urformvermögen in Abhängigkeit eines dafür ausgewählten bestimmten Materials erzeugt. Beispielsweise kann auf dem Gebiet der Umformtechnik das Formände- rungsvermögen und das Formänderungsvermögen eines Referenzkörpers aus einem bestimmten Werkstoff über eine Vielzahl von physikalischen Größen beurteilt werden. Zu diesen Größen gehören zum Beispiel für die Bestimmung der Blechdickenverteilung, die Berechnung von Formänderungszuständen oder auch die Berechnung von Vergleichsformänderungsgrößen.
Nach einem Auswerten der geometrischen Parameter in Schritt v) werden diese dann von den absoluten Netzkoordinaten des Referenzkörpers entkoppelt, zum Beispiel mittels des totalen Differentials der lokalen Krümmung der jeweiligen verformten Bereiche. Anders ausgedrückt, erfolgt die Entkopplung aus den Netzkoordination durch eine Orientierung an lokalen Krümmungen, Tiefen und Abständen, die zum definierten Bauteilrand bestimmt werden können. Somit werden für den Referenzkörper absolute, im Raum dargestellte Koordination ersetzt durch lokale geometrische Verhältnisse innerhalb des Referenzkörpers selbst. Zusätzlich kann diskreten finiten Elementen der verformten Bereiche eine lokale Tiefe zugewiesen werden, um im Ergebnis einen 3-D-Körper abzubilden. Durch dieses Entkoppeln der geometrischen Parameter von absoluten Netzkoordinaten des Referenzkörpers wird anschließend ein mathematisches Modell erzeugt, in dem die normierten geometrischen
Parameter, der zumindest eine Prozessparameter und ein materialspezifischer Parameter, der sich aus dem Werkstoff für den Referenzkörper ergibt, zusammengefasst sind. Ein solches mathematisches Modell macht eine Aussage über das Formänderungsvermögen des Referenzkörpers.
Die Genauigkeit der Abbildungsqualität wird dadurch erhöht, dass eine Mehrzahl von unterschiedlichen Testversuchen durchgeführt wird, bei denen der zumindest eine Testparameter (z.B. Niederhaltekraft), geometrische Abmessungen zum Beispiel eines Stempels und/oder der Werkstoff für den Referenz- körper verändert werden können. Analog gilt dies für ein Urformen des
Referenzkörpers, z.B. Gießen einer Materialschmelze in eine Kavität, wobei eine Veränderung des Testparameters z.B. in Bezug auf die Schmelzetemperatur möglich ist. Durch eine solche Variation der Testversuche werden eine Vielzahl von unterschiedlichen geometrischen Parametern erzeugt, die dann in Schritt vii) in jeweils einem gesonderten mathematischen Modell zusammengefasst werden. Für jede physikalische Größe, die eine Aussage über das Formänderungsvermögen des Versuchskörpers wiedergibt, bedarf es eines eigenen mathematischen Modells. Hieraus folgt, dass sich die Anzahl der mathematischen Modelle für einen Referenzkörper aus der Zahl der mathematischen Modelle für die geometrisch eindeutig definierten Bereiche multipliziert mit der Zahl der physikalischen Größen, die das Formänderungsvermögen des Referenzkörpers beschreiben, ergibt. Hierbei ist die Berück- sichtigung jeder physikalischen Größe, die einen Bezug zum Formänderungsvermögen des Referenzkörpers zulässt, möglich.
Als Testversuch kommen jegliche Versuche in Betracht, die das Umform- vermögen und/oder auch das Urformvermögen von Werkstoffen beschreiben. In Bezug auf fest Körper können diese Testversuche gebildet sein aus einem Napfziehversuch, einem Kreuzstempelzugversuch, einem Marciniak-Versuch, einem Nakazima-Versuch oder vergleichbaren Testversuchen, die das Umformverhalten eines Werkstoffs in einem Grenzformänderungsdiagramm wiedergeben. Es empfiehlt sich, anhand eines Versuchsplans im Schritt iv) unterschiedliche Geometrien zu untersuchen bzw. den gleichen Referenzkörper mit anderen Prozessparametern zu verformen bzw. urzuformen, so dass ein breites Band an geometrischen Parametern in Bezug auf Krümmungsverhältnisse, Bauteiltiefe und dergleichen abgedeckt wird. Hieran anschließend werden dann in den Schritten v) und vi) die unterschiedlichen geometrischen Parameter entsprechend normiert.
Die Durchführung von zueinander abweichenden Testversuchen erfolgt vorzugsweise auf Grundlage einer statistischen Versuchsplanung, um daraus eine Mehrzahl von Parameterkombinationen und somit eine Mehrzahl von entsprechenden mathematischen Modellen zu erzeugen. Diese Mehrzahl von mathematischen Modellen werden zweckmäßigerweise in einer Datenbank abgespeichert, die in Abhängigkeit eines bestimmten Versuchskörpers und/oder eines ausgewählten Untersuchungskörpers entsprechend abgerufen werden kann. Dies erlaubt einen schnellen Zugriff und eine schnelle
Übertragung der jeweiligen mathematischen Modelle auf eine Geometrie eines bestimmten Untersuchungskörper. Die mathematischen Modelle können dazu eingesetzt werden, für beliebige Parametervariationen und Werkstoffe in einer kurzen Zeit eine genaue Machbarkeitsprognose abzugeben. Hierzu werden die mathematischen Modellen mit Hilfe einer benutzerfreundlichen Anwenderschnittstelle auf die Geometrie des Versuchskörpers bzw. des Untersuchungskörpers übertragen. Die entsprechende Zielgröße kann in einer Falschfarbendarstellung auf einem Monitor angezeigt werden. Ungeachtet des In-Form-Bringens des Referenzkörpers wird ein Versuchskörper bereitgestellt, wobei bezüglich dessen Geometrie eine Finite-Elemente- Struktur gebildet wird. Die Geometrie eines Versuchskörpers entspricht in ihren Proportionen ungefähr den Proportionen eines Untersuchungskörpers, den es letztlich zu untersuchen gilt. Ein jeder Versuchskörper wird zu einer bestimmten Geometrieklasse zugeordnet, wobei dem Versuchskörper ein sogenannter Formfaktor zugewiesen wird, der die Geometrie des Versuchskörpers charakterisiert. Durch den Formfaktor ist für verschiedene Versuchskörper jeweils eine eigene Geometrieklasse definiert, wodurch eine Aussage bezüglich der Makrogeometrie des Versuchskörpers getroffen ist. Nachdem für den Versuchskörper eine Finite-Elemente-Struktur gebildet ist, wird auf Grundlage dessen das Formänderungsvermögen des Versuchskörpers berechnet.
Nachdem sowohl in Schritt vii) zumindest ein mathematisches Modell erzeugt und parallel dazu gemäß Schritt iii) das Formänderungsvermögen des Versuchskörpers auf Grundlage der Finite-Elemente-Struktur berechnet worden sind, wird anschließend in Schritt viii) das Formänderungsvermögen des Versuchskörpers auf Grundlage des mathematischen Modells berechnet, mittels einer vorbestimmten Anzahl von Simulationen. Das Ergebnis hieraus wird anschließend mit dem Ergebnis aus der FEM-Berechnung verglichen. Falls zwischen dem Ergebnis aus Schritt viii) und Schritt iii) eine Differenz vorliegt, werden die Schritte viii) und ix) wiederholt durchgeführt, wobei bei der Berechnung des Formänderungsvermögens des Versuchskörpers mittels der mathematischen Modelle jeweils eine Skalierung der normierten geometrischen Parameter mit einem Fitfaktor vorgenommen wird. Anders ausgedrückt, handelt es sich bei den Fitfaktoren, die zur Korrektur der normierten geometrischen Parametern verwendet werden, um skalare Größen. Die Wiederholung der Schritte viii) und ix) wird solange durchgeführt, bis das Ergebnis der jeweiligen Berechnungen des Formänderungsvermögens auf Grundlage des mathematischen Modells (Schritt viii)) bzw. auf Grundlage der Finite-Elemente- Struktur (Schritt iii)) bestmöglich übereinstimmen. Hierzu eignet sich beispielsweise das Verfahren der kleinsten Fehlerquadrate. Es können jedoch auch andere Verfahren verwendet werden, mit denen eine solche Überprüfung möglich ist, z.B. andere Berechnungsverfahrens zur Bestimmung von Optima.
Nachdem die normierten geometrischen Parameter mittels der Fitfaktoren im Schritt x) korrigiert sind, werden sie mit dem Formfaktor aus dem Schritt ii) verknüpft, so dass daraus eine Matrix gebildet wird. Diese Matrix bildet dann eine Grundlage, um eine Korrelation mit dem Untersuchungskörper vorzunehmen. Hierbei wird der Untersuchungskörper mit dem Formfaktor des Versuchskörpers aus Schritt ii) in Verhältnis gesetzt, so dass dadurch das zumindest eine mathematische Modell auf Grundlage der Matrix aus Schritt xi) auf den Untersuchungskörper übertragen werden, um dessen Formänderungsvermögen zu prognostizieren. Dies hat den Vorteil, dass der Untersuchungskörper im Bezug auf seine Geometrie nicht im Detail zu berechnen ist, wodurch eine inakzeptabel große Berechnungsdauer und -aufwand vermieden wird. Statt dessen wird der Untersuchungskörper mit der Matrix aus Schritt xi) verknüpft, so dass deren Daten (Verknüpfung der skalierten normierten geometrischen Parameter) mit dem Formfaktor aus Schritt ii) eine Vorhersage des Formänderungsvermögens des Untersuchungskörpers gestatten. Ein Zugriff auf die Matrix aus Schritt xi) gestattet sehr kurze Zugriffszeiten verbunden mit einer kurzen Rechendauer und eine eindeutige Zuordnung zu einem jeweiligen Untersuchungskörper, ohne dass dessen Geometrie vollständig neu zu berechnen wäre. Zweckmäßigerweise ist die Matrix aus Schritt xi) in einer geeigneten Datenbank abgespeichert, wobei diese Datenbank beim Durchführen des Schritts xii) abgerufen wird.
Zur Gewährleistung einer hohen Genauigkeit der mathematischen Modelle, wenn in Schritt viii) ein räumlich definierter Bereich des Versuchskörpers bezüglich des Formänderungsvermögens berechnet wird, sind eine Mehrzahl von mathematischen Modelle von Vorteil, die jeweils unterschiedlich geometrische Parameter enthalten, um einen weiten Parameterbereich abzudecken. Dies kann einerseits dadurch erfolgen, dass in Schritt iv) der Testversuch zum definierten Verformen bzw. Urformen des Referenzkörpers abgewandelt wird, um dadurch unterschiedliche Verformungen bzw. Formen des Referenzkörpers zu erzielen, woraus unterschiedliche geometrische Parameter resultieren. Diese jeweils unterschiedlichen geometrischen Parameter werden dann in Verbindung mit den zugehörigen Prozessparametern und einem entsprechenden materialspezifischen Parameter zu einem jeweiligen Prognosemodell zusammengefasst. Die Mehrzahl von solchen mathematischen Modellen stellt dabei sicher, dass darin bestimmte Formgebungen eines Versuchskörpers bzw. entsprechende Krümmungsbereiche oder dergleichen hinreichend genau abgebildet sind. Die Mehrzahl von mathematischen Modellen werden in einer Menge, einem sogenannten Cluster, zusammengefasst. Unter einem solchen Cluster ist eine Matrix zu verstehen, in der die einzelnen mathematischen Modelle zusammengefasst sind. Somit kann für eine jeweils geforderte Parameterkombination des Versuchskörpers, d.h. in Anpassung an eine bestimmte Formgebung mit bestimmten Krümmungsbereichen ein jeweils genaues mathematisches Modell zur Verfügung gestellt werden.
Eine weitere Möglichkeit zur Erhöhung der Prognosegenauigkeit besteht darin, dass auf Grundlage von zwei mathematischen Modellen eine Inter- bzw. Extrapolation vorgenommen wird. Dies bedeutet, dass ein weiteres mathematisches Modell auf Grundlage von zwei bereits bestimmten mathematischen Modellen, für die die einzelnen geometrischen Parameter definiert sind, rechnerisch bestimmt wird. Dies kann vorzugsweise mit Polynomen höherer Ordnung (z.B. dritter Ordnung) erfolgen, um nichtlineare Wechselwirkungen des Formänderungsvermögens des Versuchskörpers zu berücksichtigen. Die rechnerische Bestimmungen mittels dieser Polynome z.B. dritter Ordnung erfolgt mittels l-optimaler oder D-optimaler Versuchspläne. Im Ergebnis sind in den rein rechnerisch bestimmten mathematischen Modellen dann weitere geometrische Parameter enthalten, die eine noch genauere Anpassung an die Geometrie des Versuchskörpers gewährleisten.
Bei dem erfindungsgemäßen Verfahren dienen die mathematischen Modelle dazu, für einen bestimmten Geometrietyp eines Versuchskörpers eine hohe Abbildungsgenauigkeit bereitzustellen. Dies kann durch eine Mehrzahl von mathematischen Modellen erfolgen, in denen unterschiedliche geometrische Parameter in Anpassung an unterschiedliche Krümmungsbereiche des Versuchskörpers enthalten sind. Optional können solche mathematischen Modelle auch rein rechnerisch bestimmt werden, indem auf Grundlage von zwei bereits vorhandenen mathematischen Modellen eine Inter- oder Extrapolation vorgenommen wird. Die mathematischen Modellen können somit in Bezug auf einen festen Körper das Verschiebungsvektorfeld des Versuchskörpers passend zu seiner lokalen Bauteilgeometrie beschreiben. Alternativ zu statistischen Prognosemodellen können in gleicher Weise auch Prognose- modelle verwendet werden, die auf einem neuronalen Netz beruhen. Die
Verwendung von neuronalen Netzen ist dann vorteilhaft, wenn die Anzahl der Versuche aus einem zu Grunde liegenden Versuchsplan groß ist. Sogenannte Nebenformelemente des Versuchskörpers, d.h. geometrische Abweichungen von einer Standard-Grundform, können durch die genannten Fitfaktoren berücksichtigt bzw. korrigiert werden, mit denen die normierten geometrischen Parameter in Schritt x) skaliert werden. Insgesamt ist es durch die Verwendung der mathematischen Modelle möglich, z.B. in Bezug auf feste Körper eine Wirkung des Verschiebungsvektorfelds in Abhängigkeit des eingesetzten Fertigungsverfahrens vorherzusagen.
In vorteilhafter Weiterbildung der Erfindung kann bei Durchführung des Schritts vii) jeder geometrische Parameter, der einem diskreten Krümmungsbereich des Referenzkörpers entspricht, isoliert variiert werden. Auf Grundlage dessen wird in Verbindung mit den übrigen Parametern ein mathematisches Submodell erzeugt, wobei dieses Submodell bei der Berechnung des Formänderungsvermögens des Versuchskörpers im Schritt viii) entsprechend berücksichtigt wird. Bei dem mathematischen Submodell handelt es sich um ein Prognosemodell im herkömmlichen Sinne, welches für geometrische Parameter mit feinerer Diskretisierung bestimmt wird. Dies führt zu einer noch besseren Anpassung an die Formteilgeometrie des Versuchskörpers und damit zu einer noch höheren Abbildungsgenauigkeit. In vorteilhafter Weiterbildung der Erfindung kann das mathematische Modell aus Schritt vii) und/oder das mathematische Submodell ein statistisches Prognosemodell oder ein Modell auf Grundlage eines neuronalen Netzes sein. Bei einem statistischen Prognosemodell handelt es sich um ein Modell, dessen Datenquelle auf der Basis eines statistischen Versuchsplans erzeugt worden ist. Optional können die erzeugten Daten auf einer normierten Normalverteilung beruhen. Die wiederholte Durchführung des Testversuchs gemäß Schritt iv) kann mittels eines statistischen Versuchsplans erfolgen, so dass anschließend aus den daraus gewonnenen Daten bzw. den geometrischen Parametern des In-Form-gebrachten Referenzkörpers zumindest ein statistisches Prognosemodell oder eine Mehrzahl solcher Modelle erzeugt werden. In vorteilhafter Weiterbildung der Erfindung können die Schritte i) bis iii) für verschiedene Versuchskörper durchgeführt werden, wobei jeder Versuchskörper einer eigenen Geometrieklasse entspricht. Hierdurch werden eine Mehrzahl von Versuchskörpern bereitgestellt, die jeder wegen seiner unterschiedlichen Formgebung einer anderen Geometrieklasse angehört. Unter einer Geometrieklasse ist eine Gruppe von Bauteilen zu verstehen, die mit den gleichen Fit- und Formfaktoren approximiert werden können. Im Anschluß an eine Wiederholung der Schritte i) bis iii) werden für einen jeweiligen Versuchskörper die Schritte vii) bis xii) durchgeführt. Die entsprechenden
Ergebnisse hieraus werden dann in einer Datenbank abgespeichert, insbesondere die Matrix aus Schritt xii), so dass in dieser Datenbank eine Mehrzahl von Prognosemodellen verknüpft mit einem entsprechenden Formfaktor für verschiedene Versuchskörper enthalten sind. Zur Vorhersage des Formverände- rungsverhaltens eines Untersuchungskörpers kann dann auf diese Datenbank zurückgegriffen werden, wobei gemäß Schritt xii) der Untersuchungskörper mit dem Formfaktor eines zugehörigen Versuchskörpers aus Schritt ii) korrigiert wird.
In vorteilhafter Weiterbildung der Erfindung kann für den Referenzkörper ein
Normalrichtungsvektor bestimmt sein, der eine werkstoffspezifische Anisotropie definiert. Die ausgewählten geometrischen Parameter werden im Bezug zu dem Normalrichtungsvektor gesetzt, so dass hier das Verformungsverhalten des Referenzkörpers bezüglich dessen Anisotropie berücksichtigt wird. Daraus resultiert eine hohe Abbildungsgenauigkeit des erfindungsgemäßen Verfahrens, insbesondere unter Berücksichtigung von praxisrelevanten Herstellungsverfahren.
Für die Geometrie eines jeweiligen Untersuchungskörpers ist ebenfalls eine Finite-Elemente-Struktur bekannt. Zusätzlich ist für die Geometrie des Untersuchungskörpers - analog zur Geometrie des Versuchskörpers - ein Formfaktor bekannt. Somit kann in Schritt xii) die Matrix aus Schritt xi) auf die Finite-Elemente-Struktur des Untersuchungskörpers angewendet werden. Abweichungen bzw. Unterschiede zwischen dem Untersuchungskörper und dem Versuchskörper werden durch einen Quotienten der beiden Formfaktoren dieser beiden Körper berücksichtigt, um eine ausreichend hohe Abbildungsgenauigkeit für den Untersuchungskörper und dessen Formänderungsver- mögen sicherzustellen.
Die statistischen Prognosemodelle können auch dazu verwendet werden, um die berechneten Zielgrößen auf eine Netztopologie zu übertragen, die beispielsweise für Crash-Simulationen herangezogen werden kann. Für die Untersuchungskörper wird ebenfalls eine Finite-Elemente-Struktur gebildet, wobei jedem Flächenelement ein vorbestimmter zulässiger Grenzwert, zum Beispiel für eine Blechdicke oder dergleichen, zugewiesen wird. Nach dem Schritt xii), wenn also der Untersuchungskörper mit der Matrix aus Schritt xi) verknüpft worden ist, wird für jedes Flächenelement des Untersuchungskörpers eine Überprüfung des entsprechend vorbestimmten Grenzwertes durchgeführt. Falls bei einem jeweiligen Flächenelement des Untersuchungskörpers sein vorbestimmter Grenzwert unterschritten wird, wird ein Rückschluss auf zumindest einen normierten geometrischen Parameter eines jeweiligen statistischen Prognosemodells gebildet, so dass die Geometrie des Untersuchungskörpers entsprechend angepasst werden kann. Im Rahmen der Erfindung wird dies als inverse Nutzung der statistischen Prognosemodelle verstanden. Im Zusammenhang mit Crash-Simulationen ergibt sich der Vorteil, dass zeitgleich mit der Bestimmung der Zielgrößen aus der Machbarkeit parallel eine Bauteilauslegung für den Crashbereich in der Fahrzeugplanung möglich ist, was zu einer signifikanten Zeitersparnis führt. Im Gegensatz hierzu sind herkömmlich lange Berechnungszeiten und Konstruktionsabläufe erforderlich, bevor mit der eigentlichen Crash-Simulation begonnen werden kann.
Des Weiteren können die statistischen Prognosemodelle überall dort in der Produktionstechnik zum Einsatz kommen, wo auf eine bestehende Grundgesamtheit an Daten und Informationen zurückgegriffen wird, um daraus Prognosemodelle abzuleiten und diese auf virtuelle Computermodelle zu übertra- gen. Auf diese Weise lassen sich Informationen aus dem realen Prozess auf ein virtuelles Computermodell übertragen. Ein möglicher Anwendungsbereich hierfür ist die Bestimmung von Formabweichungen aus Rückfederungseffekten bei der Fertigung von Blechteilen. Ein anderer Einsatzbereich kann die Bestimmung des Schrumpfmaßes bei Schmiedeteilen oder urgeformten Teilen (Gussteilen) oder das Schrumpfmaß bei der Erstarrung von Schmelzen bei Urformverfahren sein. Die Daten zur Bestimmung dieser Modelle können in gleicher Weise wie aus Praxisversuchen auch aus hochgenauen Berechnungen stammen.
Die Topologieanalyse gemäß der Schritte v) und vi) stellt eine Untersuchung der Geometrie hinsichtlich der Krümmungsbereiche und Tiefenverteilungen im Bauteil und die Untersuchung und Bestimmung der Abstände der jeweiligen Bereiche zum Bauteilrand dar. Die aus dieser Topologieanalyse gewonnenen Daten bzw. geometrischen Parameter können in Verbindung mit entsprechenden mathematischen Modellen, z.B in Form von statistischen
Prognosemodellen auch dazu benutzt werden, um in der Produktionstechnik den Werkzeugverschleiß zum Beispiel nach einer definierten Hubzahl von Schmiedeprozessen oder Tiefziehprozessen vorherzusagen. Bei der Prognose des Werkzeugverschleisses liegen den mathematischen Modellen keine physikalischen Größen zu Grunde, die das Formänderungsverhalten, sondern statt dessen das Verschleißverhalten der zum Einsatz kommenden Werkzeuge beschreiben können. Zu diesen physikalischen Größen gehören die Kontaktnormalspannungen auf den Oberflächen der Körper (z.B. der Versuchskörper), die analog mit Hilfe der FEM bestimmt werden können. Diese physikalischen Größen können dann mit Formeln in Korrelation gebracht werden, die aus der Literatur bekannt sind. Bei der Bestimmung des Werkzeugverschleißes ist es somit möglich, in die statistischen Prognosemodelle als Zielgrößen analytische Berechnungen aus der Literatur einzubinden, um den Verschleiß zu bestimmen. Hierbei wird die Topologie- analyse mit den Prognosemodellen verknüpft und auf ein Produktionsverfahren angewendet, das maßgeblich von der Konstellation Werkzeuggeometrie- Werkstoff-Verfahrensparameter bestimmt wird. Im Ergebnis kann unter Verwendung der mathematischen Modellen bzw. der statistischen
Prognosemodelle analog zur Beschreibung des Formänderungsvermögens eines metallischen Körpers das Verschleißverhalten eines unter Last stehenden Körpers, der ein Werkzeug repräsentiert, beschrieben werden.
In vorteilhafter Weiterbildung der Erfindung können einzelne Verfahrensschritte mittels eines Rechners bzw. Computers oder dergleichen vorgenommen werden, insbesondere die Verfahrensschritte, in denen ein Formänderungsvermögen eines Körpers berechnet wird. Zweckmäßigerweise werden die Ergebnisse solcher Berechnungen dann in geeigneten Datenbanken oder derglei- chen abgespeichert, so dass die Ergebnisse für eine weitere Bearbeitung oder auch für ein späteres Abrufen zur Verfügung stehen. Vorzugsweise werden diese genannten Verfahrensschritte als Computer-Programm mit Programm- Code-Mitteln auf einem Computer oder einen entsprechenden Recheneinheit ausgeführt. Hierbei können Programm-Code-Mittel auf einem Computer- lesbaren Datenträger gespeichert sein.
Weitere erfindungsgemäße Vorteile stellen sich wie folgt dar:
- mögliche Qualitätsplanung bereits in der Produktentwicklung, - Prozessverbessung mit Hilfe statistischer Verfahren,
- Lokalisierung und Darstellung umformkritischer Zonen eines Untersuchungskörpers, in Verbindung mit sehr kurzer Rechenzeit, - eine FEM-Analyse des Untersuchungskörpers erforderlich,
- Prozessanalyse kann in Echtzeit und interaktiv erfolgen, ohne wesentliche Berechnungszeiten,
- Bereitstellung von Änderungsvorschlägen hinsichtlich Geometrie, Werkstoff und Prozessführung, ohne wesentliche Berechnungszeiten bei der Vorhersage des Formänderungsvermögens eines Untersuchungskörpers.
Es versteht sich, dass die vorstehend genannten und die nachstehend noch zu erläuternden Merkmale nicht nur in der jeweils angegebenen Kombination, sondern auch in anderen Kombinationen oder in Alleinstellung verwendbar sind, ohne den Rahmen der vorliegenden Erfindung zu verlassen. Die Erfindung ist nachfolgend anhand mehrerer Ausführungsformen in der Zeichnung schematisch dargestellt und wird unter Bezugnahme auf die Zeichnung ausführlich beschrieben.
Es zeigen:
Fig. 1 eine Auswahl von geometrischen Parametern an einem
Kreuzstempel-Modell, Fig. 2 eine Auswahl von geometrischen Parametern an einem
Doppelkreuzstempelmodell, Fig. 3a, 3b einen Referenzkörper im nichtverformten Zustand in einer
Querschnittsansicht bzw. einer Perspektivansicht,
Fig. 4 den Referenzkörper von Fig. 3a bzw. 3b nach einem Verformen mittels eines Doppelkreuzstempels,
Fig. 5a-5d weitere Beispiele für Geometrievariationen für einen Tiefziehversuch,
Fig. 6 verschiedene Gleichungen zur Bestimmung von Prognosemodellen, Fig. 7 einen statistischen Versuchsplan zur Bestimmung von statistischen Prognosemodellen, Fig. 8 eine Perspektivansicht eines Versuchskörpers in Form einer
Heckklappe eines Kraftfahrzeugs auf Grundlage einer Finite- Elemente-Struktur,
Fig. 9 eine hierarchische Struktur zum Abspeichern von Daten eines Referenzkörpers und eines Versuchskörpers in einem Datenspeicher,
Fig. 10 einen Ausschnitt aus der hierarchischen Struktur von Fig. 6,
Fig. 11 ein Flussdiagramm für die Schritte des erfindungsgemäßen
Verfahrens, Fig. 12 ein Grenzformänderungsdiagramm,
Fig. 13 das Ergebnis einer Finite-Elemente-Simulation,
Fig. 14 eine Matrix anhand eines 3-D-Modells gemäß Schritt xi) des erfindungsgemäßen Verfahrens, und
Fig. 15 eine Perspektivansicht eines Untersuchungskörpers in Form einer Heckklappe eines Kraftfahrzeugs auf Grundlage einer Finite-
Elemente-Stru ktu r.
Die Figuren 1 bis 15 sind der Erfindung zugrundeliegende Aspekte und einzelne Schritte des erfindungsgemäßen Verfahrens und das Verfahren selbst im Einzelnen erläutert.
In Figur 1 ist in einer Perspektivansicht die Geometrie einer Matrize 1 für einen (nicht gezeigten) Kreuzstempel im Viertelmodell gezeigt. Die Matrize 1 weist eine Mehrzahl von geometrischen Parametern auf, die an die Formgebung des Kreuzstempels angepasst sind. Diese geometrischen Parameter sind im Einzelnen:
- R1 : Bogenradius,
- R2: Einlaufradius, - R3: Radius Außenstirn,
- R4: Radius Innenstirn,
- B1 : Krümmungsbereich konkav-konvex, - B2: Krümmungsbereich konvex-konvex,
- B3: Krümmungsbereich konkav-konkav,
- B4: Krümmungsbereich konvex-konkav,
- T: Tiefe des Kreuzstempels, - D1 : Länge des Kreuzstempels,
- D2: Stirnbreite des Kreuzstempels, und
- D3: Kreuzmaß des Kreuzstempels.
Die Matrize 1 dient dazu, einen Referenzkörper in Form einer Platine 2 (Fig. 3a, 3b) umzuformen, um dabei das Umformvermögen bzw. das Formänderungsvermögen der Platine zu bestimmen. Figur 3a zeigt eine Querschnittsansicht der Platine 2, und Figur 3b zeigt eine Perspektivansicht einer Platine 2. Nachfolgend ist die Platine 2 stets als Referenzkörper bezeichnet. Der umzuformende Referenzkörper 2 weist eine Ausgangsblechdicke t (Fig. 3a) auf, und wird vor dem Verformen auf eine Auflagefläche der Matrize 1 gesetzt. Anschließend wird der Referenzkörper 2 mit dem starren Kreuzstempel in die Matrize 1 hinein umgeformt. Bedingt durch die Formgebung des Kreuzstempels können in einem Formänderungsdiagramm alle Formänderungsbereiche vom Tiefziehen über den gleichmäßigen einachsigen Zug bis hin zum Streckziehen abgebildet werden. Durch abwechselnd konkave und konvexe Ecken im Grund- riss treten beim Umformvorgang abwechselnd Bereiche mit ausgeprägten tangentialen Zug- und Druckspannungen auf. An den Krümmungsbereichen B1 bis B4 werden bedingt durch die Krümmungsverhältnisse unterschiedliche Form- änderungszustände erreicht, die eine vollständige Untersuchung des Werk- Stoffverhaltens hinsichtlich seines Formänderungsvermögens und hinsichtlich seiner Wechselwirkung mit den angegebenen geometrischen Parametern erlaubt. Für das Verformen des Referenzkörpers 2 mittels des Kreuzstempels kommen verschiedene Prozessparameter für die Versuchsdurchführung in Betracht. Zunächst beeinflusst der für den Referenzkörper 2 ausgewählte Werkstoff das Formänderungsvermögen bzw. die resultierenden verformten
Bereiche des Referenzkörpers 2. Das Formänderungsvermögen ist des Weiteren abhängig von der Anisotropie des ausgewählten Werkstoffs, was zum Beispiel durch Anisotropiewerte rθ, r45 oder r90 ausgedrückt wird. Ein weiterer Prozessparameter besteht aus der Ausgangsblechdicke t des Referenzkörpers 2, und auch aus einer Niederhaltekraft NH, mit der der Referenzkörper beim Verformen zwischen der Matrize und einem Niederhalter festgeklemmt wird. Schließlich bildet ein Reibungskoeffizient der verwendeten Werkzeuge einen weiteren Prozessparameter, welcher Reibungskoeffizient durch das Material der Matrize und/oder des Kreuzstempels beeinflusst wird.
Alternativ zur Matrize von Figur 1 kann für den Kreuzstempelversuch auch eine Matrize 11 gemäß Figur 2 verwendet werde. Diese Matrize V dient für einen Kreuzstempelversuch, bei dem ein skalierter kleiner Kreuzstempel mittig innerhalb eines großen Kreuzstempels in die Matrize eingebracht werden. Hierbei handelt es sich also um einen Stempel-im-Stempel-Versuch, nachfolgend auch als Koppelkreuzstempel-Versuch bezeichnet. Der geometrische Aufbau des kleinen Stempels innerhalb des großen Stempels ist analog zum Stempel gemäß Figur 1. Ein solcher Doppelkreuzstempel ermöglicht es, den Einfluss von Nebenformelementen innerhalb des Kreuzstempels zu untersuchen. Die jeweiligen geometrischen Parameter der Matrize 1' sind in der Perspektivansicht von Figur 2 dargestellt, hierzu gehören im Einzelnen:
- B1 : Krümmungsbereich konkav-konvex,
- B2: Krümmungsbereich konvex-konvex,
- B3: Krümmungsbereich konkav-konkav,
- B4: Krümmungsbereich konvex-konkav,
- B5: Krümmungsbereich konvex-eben, - B6: Krümmungsbereich konkav-eben,
- B7: Krümmungsbereich eben-konkav,
- B8: Krümmungsbereich eben-konvex,
- T1 : Gesamttiefe des Doppelkreuzstempels,
- T2: Tiefe bis zur ersten Stufe des Doppelkreuzstempels, - D1: Abstand der Stufe vom Rand, und
- D2: Gesamtbreite des Doppelkreuzstempels. In gleicher Weise wie beim einfachen Kreuzstempelversuch kommen beim Doppelkreuzstempel-Versuch als Prozessparameter in Betracht die Werkstoffkennwerte wie Fließspannung kf und die Anisotropiewerte rθ, r45 und r90, die Ausgangsblechdicke t, die Niederhaltekraft NH und der Reibungskoeffizient der verwendeten Werkzeuge.
In Bezug auf ein Verformen des Referenzkörpers 2 mittels der in Fig. 1 und Fig. 2 gezeigten Matrize wird die Annahme einer kongruenten Abbildung getroffen. Hierunter ist ein gleichmässiges Anlegen des Referenzkörpers 2 an die Oberfläche der Matrize zu verstehen, so dass sich die Formgebung der Matrize und insbesondere ihre gekrümmten Bereiche auf den Referenzkörper übertragen. Wegen dieser kongruenten Abbildung können die geometrischen Parameter der Matrize auf den verformten Referenzkörper übertragen werden.
Figur 4 zeigt in einer Perspektivansicht einen Ausschnitt der Platine 2 nach einem Verformen mittels eines Doppelkreuzstempels unter Verwendung einer Matrize 1' gemäß Figur 2. Deutlich zu erkennen sind die Stufen der verformten Platine 2, welche Stufen auf den geometrischen Parametern T1 bzw. T2 der Matrize 1' beruhen. Die verformten Bereiche des Referenzkörpers 2 entsprechen wegen der vorstehend genannten kongruenten Abbildung den geometrischen Parametern der Matrize, so dass diesen Bereichen auch die geometrischen Parameter der Matrize zugewiesen werden können.
Alternativ zum Umformversuch mittels eines Kreuzstempels gemäß Figur 1 oder eines Doppelkreuzstempels gemäß Figur 2 kann ein beliebiger anderer Testversuch zum Umformen oder auch Urformen eines Referenzkörpers verwendet werden, zum Beispiel Napfziehversuch, Marciniak-Test, einem Nakazima-Test oder dergleichen. Entscheidend ist allein, dass diese Testversuche das Umformvermögen oder das Urformvermögen des Referenzkörpers in einem Grenzformänderungsdiagramm wiedergeben können. Beispiele für Napfziehversuche mit geänderten Geometrien sind in den Perspektivansichten gemäß der Figuren 5a-5d gezeigt. Im Anschluss an die Verformung des Referenzkörpers 2 werden seine geometrischen Parameter von absoluten Raumkoordinaten entkoppelt, so dass eine Diskretisierung der Geometrie des Referenzkörpers 2 mit Netzen und Knoten nicht notwendig ist. Diese Entkopplung erfolgt durch eine Bestimmung und Auswertung der Krümmungsverhältnisse des Referenzkörpers nach seiner Verformung, unter Betrachtung des totalen Differentials der lokalen Krümmung sowie der Haupt- und Nebenkrümmung. Falls das Verformen des Referenzkörpers 2 mittels des Doppelkreuzstempels durchgeführt wird, werden die Krümmungsverhältnisse innerhalb der Topologie anhand der
Krümmungsbereiche konkav-konvex, konvex-konkav bzw. strukturiert. Somit ergibt sich eine kartographische Aufteilung des Referenzkörpers allein anhand der Krümmungsverhältnisse, wobei die Grenzen zu unterschiedlichen Krümmungsverhältnissen als Linienzüge (Grenzen) dargestellt werden. Innerhalb eines Krümmungsbereichs ist optional noch eine Untergliederung mit Isometrielinien möglich, falls die Krümmung des entsprechenden Bereichs nicht konstant. Diese Untergliederung kann mittels eines mathematischen Submodells erfolgen. Insbesondere bei komplexeren Bauteilen ist eine solche weitere Unterteilung der Krümmungsbereiche mittels Isometrielinien möglich und wegen der komplexen Krümmungszusammenhänge auch zu empfehlen, um im Ergebnis eine höhere Abbildungsgenauigkeit zu erzielen. Zusätzlich wird zur Analyse der Geometrie des verformten Referenzkörpers 2 eine lokale Tiefe verwendet. Hierzu wird der Referenzkörper vor der geometrischen Analyse in eine tiefziehfähige Position (ohne Hinterschnitte) gebracht. Die Kombination aus der lokalen Tiefe mit den lokalen Krümmungsbereichen resultiert in einer noch genaueren Topologiebeschreibung.
Alternativ zum Verformen eines Referenzkörpers mit Hilfe der in der Fig. 1 bzw. Fig. 2 gezeigten Matrize kann ein Referenzkörper auch durch Gießen einer Schmelze in eine Form bzw. eine Kavität hergestellt werden. Die Form der Kavität bestimmt dabei die Formgebung des anschließend entformten Referenzkörpers nach einem Erkalten der Schmelze, wobei ein fehlerfreies Ausfüllen der Kavität durch die Schmelze ohne Lufteinschlüsse, Lunker oder dergleichen angenommen wird.
Nachstehend ist das Erzeugen eines mathematischen Modells auf Grundlage des Doppelkreuzstempels erläutert. Bei dem mathematischen Modell kann es sich um ein statistisches Prognosemodell handeln oder um ein Modell auf Grundlage eines neuronalen Netzes, ohne dass darin eine Einschränkung darauf zu verstehen ist. Es versteht sich, dass anhand von mathematischen Modellen (z.B. statistische Prognosemodelle, Modelle auf Grundlage eines neuronalen Neztes oder dergleichen) auch auf Grundlage des einfachen Kreuzstempelversuchs oder eines beliebigen anderen Testversuchs zum Verformen des Referenzkörpers erfolgen kann, solange in diesen Versuchen das Grenzformänderungsvermögen des Referenzkörpers wiedergegeben werden kann.
Nachstehend wird ein mathematisches Modell stets als ein statistisches
Prognosemodell bezeichnet, ohne dass darin eine Einschränkung auf nur diese Art von Modell zu verstehen ist.
Die statistischen Prognosemodelle können auf Grundlage der Gleichungen 1-3 gebildet werden, die in Figur 6 gezeigt sind. Solche Prognosemodelle sind aus der klassischen Versuchsplanung bekannt und zum Beispiel ausführlich erläutert in: "Statistische Methode zur Qualitätssicherung und -Optimierung", Claus Weihs und Jutta Jessenberger, ISBN 3-527-29617-4. Es versteht sich, dass die Prognosemodelle zur Approximation des Formänderungsvermögens des Referenzkörpers auch in jeder anderen Form verwendet werden können.
Die Gleichung 1 gemäß Figur 6 stellt ein Modell mit Haupteffekten dar. Die hierin verwendeten Modellkoeffizienten sind im Einzelnen:
- ß-i: Intercept (Achsabschnitt),
- Xcy: Prozessparameter (kodierter Wert), - ßj+1: Halbeffekt, - S J: Fehler des i-ten-Versuchs.
Die Gleichung 2 berücksichtigt ein Modell mit Zweifach-Wechselwirkungen, wobei die hierin enthaltenen Modellkoeffizienten mit jenen der Gleichung 1 übereinstimmen.
Die Gleichung 3 berücksichtigt Effekte in quadratischer Form für eine Optimierung, wobei sich die hierin enthaltenen Modellkoeffizienten wie folgt bestimmen:
- ß-i: Intercept (Achsabschnitt),
- Xcy: Prozessparameter (kodierter Wert),
- ßj+i: Koeffizient des j-ten-Faktors,
- ßjj, ι<: Interaktionskoeffizient j-k, - ßjk, ι<: quadrierter Interaktionskoeffizient k-k,
- ε \. Fehler des i-ten-Versuchs.
Alle geometrischen Parameter, die zu einem Testversuch bzw. zum Doppelkreuzstempel-Versuch gehören, werden in Verbindung mit den zugehörigen Prozessparametern und eines materialspezifischen Parameters, der den Werkstoff des Referenzkörpers beschreibt, in einem Prognosemodell zusammen- gefasst. Der Doppelkreuzstempel-Versuch hat den Vorteil, dass damit der Einfluss nichtlinearer Lehnungspfade berücksichtigt werden kann. Des Weiteren kann beim Doppelkreuzstempel der Einfluss des Abstands zum Rand der Stufe des Doppelkreuzstempels in Form des geometrischen Parameters D1 erfasst werden. Eine Variation dieses Parameters D1 für verschiedene Doppelkreuzstempel-Testversuche ermöglicht es, den Einfluss dieses Randbereichs auf das Formänderungsvermögen des Referenzkörpers 2 im Bereich des inneren Stempels zu quantifizieren. Beim Doppelkreuzstempel werden durch die Krümmungsbereiche B5/B8 und B6/B7 die Werkstoffanisotropie berücksichtigt, was im Bereich der Blechumformung von großer Bedeutung ist.
Die einzelnen Parameter, die in einem Prognosemodell zum Beispiel gemäß einer der Gleichungen 1-3 integriert werden, müssen bei der Übertragung der Prognosemodelle auf eine andere beliebige Geometrie eindeutig identifiziert werden können. Bei den vorstehend genannten geometrischen Parametern gemäß der Matrize von Figur 1 bzw. Figur 2 handelt es sich um eindeutig identifizierbare Parameter für die Geometrie und für die Prozessführung beim Verformen des Referenzkörpers.
Zur Erhöhung der Anzahl der Prognosemodelle kann der Doppelkreuzstempel- Versuch mit abgeänderten geometrischen Parametern und/oder mit geänderten Prozessparametern durchgeführt werden. Kombinationen der jeweils zugehörigen geometrischen Parameter und Prozessparameter werden dann jeweils einem bestimmten statistischen Prognosemodell zugewiesen. Ergänzend oder alternativ dazu können auf Grundlage von zwei bereits bestimmten Prognosemodellen weitere Prognosemodelle rein rechnerisch bestimmt werden, mittels einer Inter- oder Extrapolation. Hierzu werden mit Hilfe von l-optimalen oder E- optimalen Versuchsplänen systematisch die gesamten geometrischen Parameter variiert. Ein Beispiel für einen solchen Versuchsplan ist in Figur 7 gezeigt. Die Abkürzungen für die kodierten Werte der Tabelle bedeuten folgendes:
DM: Durchmesser der Matrize
HN: Höhe des Nebenformelements
RN: Einlaufradius eines taschenförmigen Nebenformelements
So: Ausgangsblechdicke
Für weitere Einzelheiten bezüglich eines solchen Versuchsplans wird verwiesen auf "Statistisch unterstützte Methodenplanung für die Hochdruck-Blechumformung", Christian Klimmek, Shaker Verlag Aachen, 2004. Bei Verwendung eines Polynoms dritter Ordnung wird bei der Erstellung der Parametervariationen der festzulegende Parameterbereich in 5 diskrete Wertebereiche unterteilt. Dies dient dazu, fünf Stützpunkte zu bestimmen, die für die Bildung von Polynomfunktionen dritter Ordnung herangezogen werden. Beim Doppelkreuzstempelmodell werden unter Berücksichtigung der insgesamt acht Krümmungsbereiche für die geometrischen Parameter entsprechend acht Prognosemodelle erstellt, die anschließend in einer geeigneten Datenbankstruktur abgespeichert werden.
Im Zusammenhang mit dem erfindungsgemäßen Verfahren wird die Geometrie eines sogenannten Versuchskörpers erfasst und dabei eine Finite-Elemente- Struktur der Geometrie des Versuchskörpers gebildet. Bei einem solchen Versuchskörper handelt es sich um ein praxisrelevantes Bauteil, zum Beispiel um eine Heckklappe eines Kraftfahrzeugs oder dergleichen. Ein Beispiel für eine solche Heckklappe ist in Figur 8 in einer Perspektivansicht gezeigt und nachstehend als ein Versuchskörper 3 bezeichnet. Hierin ist ersichtlich, dass die Diskretisierung des FEM-Netzes in den Bereichen des Versuchskörpers 3 zunimmt, in denen Komplexität der Geometrie zunimmt.
Ein Versuchskörper 3 entspricht mit seiner Geometrie zumindest ungefähr einem sogenannten Untersuchungskörper (Fig. 15), dessen Formänderungsvermögen mittels des erfindungsgemäßen Verfahrens zu bestimmen ist. Auf Grundlage der für den Versuchskörper 3 gebildeten Finite-Elemente-Struktur wird anschließend das Formänderungsvermögen des Versuchskörpers 3 berechnet mittels einer numerischen Simulation. Dies kann in Abhängigkeit von verschiedenen Werkstoffen erfolgen, die für den Versuchskörper 3 ausgebildet werden. Zusätzlich wird der Versuchskörper 3 einer bestimmten Geometrieklasse zugeordnet, wobei dem Versuchskörper 3 ein sogenannter Formfaktor zugewiesen wird, der die Geometrie des Versuchskörpers 3 charakterisiert. Ein Formfaktor kann durch eine skalare Größe gebildet sein. Der Formfaktor kann aus der Menge der reellen Zahlen gewählt sein. Entsprechend erstreckt sich der Wertebereich von -∞ bis +∞. Von Bedeutung für den Formfaktor ist, dass durch diesen spezifische Geometrie des Versuchskörpers 3 hinreichend genau charakterisiert wird. Im Bereich der Fahrzeugtechnik versteht sich, dass zum Beispiel eine Heckklappe einen anderen Formfaktor aufweist als ein Seiten- schweller. Im Rahmen der Erfindung können eine Vielzahl von verschiedenen Versuchskörpern, die einer unterschiedlichen Geometrieklasse angehören können und entsprechend einen unterschiedlichen Formfaktor aufweisen, bezüglich ihres Formänderungsvermögens mittels der Finite-Elemente-Methode (FEM) berechnet werden.
In den Figuren 9 und 10 ist eine mögliche Organisationsstruktur zum Abspeichern einer Mehrzahl von Prognosemodellen in einem Datenspeicher gezeigt. Figur 9 zeigt eine hierarchische Baumstruktur, in der als Beispiel drei Farben für die Materialien A, B und C vorhanden sind. Die Kataloge für die jeweiligen Materialien können im Hinblick auf sogenannte Kategorien von jeweiligen Ver- suchskörpern (Fig. 8) unterteilt sein. Des Weiteren können einzelne Kategorien nochmals nach einem sogenannten Bauteiltyp unterteilt sein. Beispielsweise sind in der Datenbank in Form einer sogenannten Datenbasis für den Katalog des Materials A zwei Kataloge vorgesehen, nämlich für die Kategorie 1 und die Kategorie 2. Für den Katalog der Kategorie 1 sind wiederum zwei Kataloge vorgesehen, nämlich für einen Bauteiltyp 1 und einen Bauteiltyp 2. Dem Katalog der Kategorie 2 ist ein Katalog für einen Bauteiltyp 3 zugewiesen. Die Begriffe der Kategorie und des Bauteiltyps stehen im Zusammenhang mit dem vorstehend genannten Versuchskörper (Fig. 8), und stellen verschiedene Ausführungsformen des Versuchskörpers dar.
Figur 10 zeigt einen Ausschnitt aus der Datenbasis von Figur 9, in Bezug auf den Katalog für das Material A. In Figur 10 ist die übergeordnete Datenbasis mit dem Bezugszeichen 4 versehen und als ein Bereich auf einem Plattenspeicher zu verstehen, in dem Daten für die Prognosemodells permanent und struk- turiert abgelegt sind. In der Datenbasis 4 ist ein Katalog für das Material A abgespeichert, der Speicherbereiche 5 und 6 aufweist. In dem Speicherbereich 5 sind die Daten der Prognosemodelle aller Kategorien für das Material A gespei- chert und in dem Speicherbereich 6 sind die Daten aller Referenzkörper mit der Form eines Doppelkreuzstempels für das Material A abgespeichert.
Hierarchisch unterhalb des Katalogs für das Material A ist in der Datenbasis 4 ein Katalog für die Kategorie 1 vorgesehen. Ein diesem Katalog zugewiesener Speicherbereich 7 enthält die Daten aller Bauteiltypen der Kategorie 1. Hierarchisch unterhalb des Katalogs für die Kategorie 1 ist ein weiterer Katalog für einen sogenannten Bauteiltyp 1 vorgesehen, dem Speicherbereiche 8 und 9 zugewiesen sind. Im Speicherbereich 8 sind die Daten eines sogenannten Versuchskörpers dieses Bauteiltyps abgespeichert und im Speicherbereich 9 sind die Daten eines Prognosemodells für den Versuchskörper dieses Bauteiltyps abgespeichert.
Ein analoger Aufbau versteht sich für die Speicherbereiche der Datenbasis 3 für die Kataloge der Materialien B und C, und ist zur Vermeidung von Wiederholungen nicht nochmals ausführlich erläutert.
Das erfindungsgemäße Verfahren funktioniert gemäß des Flussdiagramms der Figur 11 wie folgt:
Im Schritt S1 wird die Geometrie des Versuchskörpers 3 erfasst und daraus eine Finite-Elemente-Struktur gebildet. Wie vorstehend unter Bezugnahme auf Figur 8 erläutert, wird ein sogenannter Versuchskörper 3 aus einem praxisrelevanten Bauteil ermittelt, das zumindest eine Ähnlichkeit zu einem Untersu- chungskörper aufweist, der schlußendlich bezüglich seines Formänderungsvermögens zu bestimmen ist. Im Schritt S2 wird der Versuchskörper 3 einer bestimmten Geometrieklasse zugeordnet, wobei dem Versuchskörper ein Formfaktor zugewiesen wird, der die Geometrie des Versuchskörpers charakterisiert. Beispielsweise kann der Versuchskörper 3 gemäß Figur 8 in Form der Fahrzeug-Heckklappe einen Formfaktor von 1 ,0 aufweisen. Bei dem Formfaktor handelt es sich um eine makroskopische Größe, mit der eine Kategorie einer Geometrie erfasst wird. Der Formfaktor kann beispielsweise das Verhältnis von Länge zu Breite zu Tiefe eines Versuchskörpers 3 beschreiben. Der Formfaktor bestimmt somit im Vorfeld die Bauteilkategorie bzw. die geometrischen Verhältnisse des Versuchskörpers.
Anschließend wird in Schritt S3 das Formänderungsvermögen des Versuchs- körpers auf Grundlage der Finite-Elemente-Struktur berechnet, nämlich mittels eines bekannten FEM-Verfahrens. Der Schritt S3 kann für den gleichen Versuchskörper 3, d.h., mit gleicher Geometrie, jeweils für verschiedene Werkstoffe mehrfach durchgeführt werden. Somit wird eine Information erzeugt, wie sich derselbe Versuchskörper in Abhängigkeit eines anderen Werkstoffs bezüg- lieh seines Formänderungsvermögens darstellt. Alternativ dazu können die Schritte S1 bis S3 auch für mehrere bzw. unterschiedliche Versuchskörper durchgeführt werden, die optional wiederum aus verschiedenen Materialien bestehen. Die Berechnungen für die verschiedenen Materialien bzw. verschiedenen Versuchskörper werden in einer geeigneten Datenbank abge- speichert. Dies ist zum Beispiel in einer Datenbasis 4 gemäß Figur 6 möglich.
Parallel zu den Schritten S1 bis S3 werden die Schritte S4 bis S8 durchgeführt. Im Einzelnen zählt hierzu, dass in Schritt S4 ein Referenzkörper 2, der aus einem ausgewählten Werkstoff besteht, mittels eines Testversuchs in Abhän- gigkeit zumindest eines Prozessparameters definiert verformt wird. Der
Referenzkörper besteht z.B. aus der Platine 2 gemäß der Figuren 1a und 1b, wobei der Testversuch zum Beispiel aus einem Doppelkreuzstempel-Versuch gemäß Figur 2 besteht. In Schritt S5 werden die verformten Bereiche des Referenzkörpers 2 ausgewertet, um geometrische Parameter zu bestimmen. Diese Parameter lehnen sich an an die in Figur 1 bzw. Figur 2 erläuterten geometrischen Parameter der Matrize 1 bzw. Matrize 1'. Aufgrund eines spezifischen Umformverhaltens eines jeweiligen Referenzkörpers 2 sind die verformten Bereiche jedoch konkret anhand des Referenzkörpers nach seinem Umformen zu bestimmen. Anschließend werden in Schritt S6 die geometri- sehen Parameter des Referenzkörpers 2 aus Schritt S5 von absoluten Netz- koordindaten des Referenzkörpers 2 entkoppelt, wodurch die geometrischen Parameter normiert werden. In Schritt S7 wird dann ein mathematisches Modell, vorzugsweise ein statistisches Prognosemodell erzeugt, in dem die normierten geometrischen Parameter, der zumindest eine Prozessparameter und der materialspezifische Parameter für den ausgewählten Werkstoff des Referenzkörpers 2 zusammengefasst sind. Hierzu wird zur Vermeidung von Wiederholungen auf die Erläuterung bezüglich der Gleichungen 1-3 gemäß Figur 6 verwiesen.
In Schritt S8 wird ein räumlich definierter Bereich des Versuchskörpers mittels einer vorbestimmten Anzahl von Simulationen auf Grundlage des statistischen Prognosemodells aus Schritt S7 berechnet. Im einfachsten Fall genügt hierzu die Verwendung eines einzigen Prognosemodells, wobei jedoch eine höhere Abbildungsgenauigkeit durch Verwendung durch mehreren Prognosemodellen, in denen jeweils unterschiedliche geometrische Parameter enthalten sind, erzielt wird. Für die Berechnung in Schritt S8 ist von Bedeutung, dass die statistischen Prognosemodelle lediglich normierte geometrische Parameter enthalten. Somit ist eine Übertragung dieser statistischen Prognosemodelle auf einen Versuchskörper mit einer beliebigen Geometrie möglich.
Auf Grundlage der Ergebnisse aus Schritt S3 bzw. S8 wird in Schritt S9 ein Vergleich durchgeführt. Die Ergebnisse der FEM-Berechnung für den Ver- suchskörper 3 dienen als Referenzwert für die Berechnung mittels der Prognosemodelle aus Schritt S8. Im Schritt S10 erfolgt eine Wiederholung der Schritte S8 und S9, wobei dabei in Schritt S8 eine Skalierung der normierten geometrischen Parameter mittels eines sogenannten Fitfaktors vorgenommen wird. Bei einem Fitfaktor handelt es sich um eine skalare Größe, die mit einem jeweiligen normierten geometrischen Parameter multipliziert wird. Der Fitfaktor dient dazu, eine lokale Justierung der Prognosemodelle vorzunehmen, um im Ergebnis eine Anpassung an den konkret vorliegenden Geometrieverlauf des Versuchskörpers bzw. dessen Krümmungsbereiche zu erzielen. Der Schritt S10, d.h. eine Wiederholung der Schritte S8 und S9 einschließlich der Skalie- rung der normierten geometrischen Parameter in Schritt S8, wird solange vorgenommen, bis das Ergebnis der Berechnung des Versuchskörpers auf Grundlage der Finite-Elemente-Methode (Schritt S3) bestmöglich mit der Berechnung auf Grundlage der statistischen Prognosemodelle (Schritt S8) übereinstimmt. Hierzu bietet sich zum Beispiel das Verfahren der kleinsten Fehlerquadrate an. Ein Vergleich gemäß Schritt S9 ist in Figur 12 gezeigt, in der ein Grenzformänderungsdiagramm mit dem Hauptumformgrad γi als Funktion des Nebenumformgrads γ2 darstellt. In diesem Diagramm sind die Ergebnisse der Berechnung aus Schritt S8 in Form von diskreten Punkten eingetragen. Dies ermöglicht die Skalierung der jeweiligen normierten geometrischen Parameter mit einem Fitfaktor gemäß Schritt S10. In Figur 13 ist für einen Versuchskörper, der mit einem Napfziehversuch verformt worden ist, das Ergebnis einer FEM-Simulation gezeigt bezüglich der Blechdickenreduktion in den jeweiligen Bereichen des Napfes. Wie vorstehend erläutert, wird eine solche FEM-Berechnung gemäß Schritt S3 für die Berechnung in Schritt S8 hinzugezogen. Es versteht sich, dass eine Ergebnisdarstellung gemäß Figur 13 in gleicher Weise für einen Versuchskörper 3 gemäß Figur 8 in Form der Fahrzeug-Heckklappe möglich ist.
Im Anschluß an den Schritt S10 wird in Schritt S11 eine Verknüpfung der skalierten Parameter aus Schritt S10 mit dem Formfaktor aus Schritt S2 vorgenommen, so dass daraus eine Matrix gebildet wird. Eine solche Matrix ist in Figur 14 in einem Raumdiagramm beispielhaft gezeigt.
In Schritt S12 wird ein Untersuchungskörper mit dem Formfaktor aus Schritt S2 korreliert bzw. in Zusammenhang gesetzt, so dass die statistischen Prognosemodelle auf Grundlage der Matrix gemäß Figur 12 auf den Untersuchungskörper übertragen werden, um dessen Formänderungsvermögen zu prognos- tizieren. In Figur 15 ist ein Untersuchungskörper 4 in einer Perspektivansicht gezeigt. Für die Geometrie des Untersuchungskörpers 4 wird eine Finite- Elemente-Struktur gebildet, wobei dem Untersuchungskörper 4 ein Formfaktor zugewiesen wird, der die Geometrie des Untersuchungskörpers 4 charakterisiert. Somit sind für den Untersuchungskörper 4 sowohl eine FEM- Struktur als auch ein Formfaktor bekannt. Ein Vergleich des Versuchskörpers 3 gemäß Figur 8 und des Untersuchungskörpers 4 gemäß Figur 15 verdeutlicht, dass der Untersuchungskörper 4 den Versuchskörper 3 zwar ähnelt, jedoch eine höhere Bauteilkomplexität aufweist. Entsprechend weist der Untersuchungskörper 4 einen anderen Formfaktor auf, der zum Beispiel den Wert 1 ,02 annehmen kann.
Für den Untersuchungskörper 4, dessen Formänderungsvermögen zu bestimmen ist, wird keine eigene Simulationsrechnung zum Beispiel auf Grundlage einer FEM-Simulation oder dergleichen durchgeführt, sondern statt dessen lediglich eine Verknüpfung zur Matrix gemäß Figur 12 vorgenommen. Hiermit steht im Zusammenhang, dass für den Untersuchungskörper 4 auf vorherige Berechnungen zurückgegriffen wird, die für einen entsprechenden Versuchskörper auf Grundlage der statistischen Prognosemodelle vorgenommen worden ist. Diese vorherige Berechnung ist durch die Matrix gemäß Figur 14 dargestellt und weist wegen des Schritts S10 eine hinreichend hohe Abbildungsgenauigkeit auf, so dass präzise und zuverlässige Ergebnisse für den Unter- suchungskörper 4 dargestellt werden können. Auf Grundlage eines Rückgriffs auf die Matrix von Figur 14 für den Untersuchungskörper 4 ist für das erfindungsgemäße Verfahren eine äußerst kurze Berechnungszeit möglich.
Die Abbildungsgenauigkeit für den Untersuchungskörper 4 wird dadurch erhöht, dass im Vorfeld des Schritts S12 eine breite Variation von verschiedenen Versuchskörpern 3 untersucht bzw. berechnet wird und hierbei eine möglichst große Anzahl von Prognosemodellen mit unterschiedlichen normierten geometrischen Parametern zur Verfügung steht. Je differenzierter diese geometrischen Parameter in ihren jeweiligen Werten sind, desto genauer lässt sich durch diese statistischen Prognosemodelle eine Geometrie des Versuchskörpers bezüglich dessen Formänderungsvermögens berechnen. Das Skalieren der normierten geometrischen Parameter mittels der sogenannten Fitfaktoren berücksichtigt dabei auch Nebenformelemente des Versuchskörpers 3 bzw. geometrische Abweichung von einer Standardform.
Die Prognosegenauigkeit kann weiter erhöht werden, indem für die Finite- Elemente-Struktur des Untersuchungskörper 4 jedem finiten Element ein vorbestimmter zulässiger Grenzwert zugewiesen wird, wobei nach dem Schritt S12, wenn der Untersuchungskörper 4 mit der Matrix aus Schritt S11 verknüpft ist, jedes finite Element des Untersuchungskörpers 4 auf den entsprechenden vorbestimmten Grenzwert hin überprüft wird. Bei einem Unterschreiten dieses vorbestimmten Grenzwertes in Bezug auf ein jeweiliges finites Element des Untersuchungskörpers wird ein Rückschluss auf zumindest einen normierten geometrischen Parameter gebildet wird, so dass die Geometrie des Untersuchungskörpers 4 entsprechend angepasst werden kann.

Claims

PATENTANSPRÜCHE
Verfahren zur Bestimmung des Formänderungsvermögens eines Untersuchungskörpers (4), mit den Schritten: i) Erfassen der Geometrie zumindest eines Versuchskörpers (3) und Bilden einer Finite-Elemente-Struktur der Geometrie des Versuchskörpers (3) (S1), ii) Zuordnen des Versuchskörpers (3) zu einer bestimmten Geometrieklasse, wobei dem Versuchskörper (3) ein Formfaktor zugewiesen wird, der die Geometrie des Versuchskörpers (3) charakterisiert (S2), iii) Berechnen des Formänderungsvermögens des Versuchskörpers (3) auf Grundlage der Finite-Elemente-Struktur (S3), iv) definiertes In-Form-Bringen eines aus einem ausgewählten
Werkstoff bestehenden Referenzkörpers (2) mittels eines Testversuchs in Abhängigkeit von zumindest einem Prozessparameter (S4), v) Auswerten von In-Form-gebrachten Bereichen des Referenzkörpers (2) zur Bestimmung von geometrischen Parametern (S5), vi) Entkoppeln der geometrischen Parameter von absoluten Netzkoordinaten des Referenzkörpers (2), wodurch die geometrischen Parameter normiert werden, (S6) vii) Erzeugen eines mathematischen Modells, in dem die normierten geometrischen Parameter, der zumindest eine Prozessparameter und ein materialspezifischer Parameter für den Werkstoff des Referenzkörpers (2) zusammengefasst sind (S7), viii) Berechnen des Formänderungsvermögens des Versuchskörpers (3) für einen räumlich definierten Bereich mittels einer vorbestimm- ten Anzahl von Simulationen auf Grundlage des mathematischen
Modells aus Schritt vii) (S8), ix) Vergleichen des Ergebnisses aus Schritt viii) mit dem Ergebnis aus Schritt iii) (S9), X) vvieαernoien αer öcnππe VIII; unα ix;, woDei in ocπππ VIII; jeweils eine Skalierung der normierten geometrischen Parametern mit einem Fitfaktor vorgenommen wird, solange, bis das Ergebnis aus Schritt viii) bestmöglich mit dem Ergebnis aus Schritt iii) übereinstimmt (S10), xi) Verknüpfen der skalierten Parameter aus Schritt x) mit dem Formfaktor aus Schritt ii), so dass daraus eine Matrix gebildet wird (S11), und xii) Korrelieren des Untersuchungskörpers (4) mit dem Formfaktor aus Schritt ii), so dass das mathematische Modell auf Grundlage der Matrix aus Schritt xi) auf den Untersuchungskörper (4) übertragen wird, um dessen Formänderungsvermögen zu prognostizieren (S 12).
2. Verfahren nach Anspruch 1, bei dem in Schritt iv) das In-Form-Bringen eines Referenzkörpers (2) wiederholt mittels eines abweichenden Testversuchs und/oder mit einem geänderten Prozessparameter durchgeführt wird, so dass anschließend in den Schritten v) und vi) unterschiedliche normierte geometrische Parameter bestimmt werden.
3. Verfahren nach Anspruch 2, bei dem die Durchführung von zueinander abweichenden Testversuchen auf Grundlage einer statistischen Ver- suchsplanung erfolgt.
4. Verfahren nach Anspruch 2 oder 3, bei dem in Schritt vii) auf Grundlage der unterschiedlichen normierten geometrischen Parameter und des zumindest einen Prozessparameters und/oder des materialspezifischen Parameters eine Mehrzahl von mathematischen Modellen gebildet werden.
5. Verfahren nach einem der Ansprüche 2 bis 4, bei dem die Mehrzahl von mathematischen Modellen aus Schritt vii) in einer Matrix zusam- mengeführt werden.
6. Verfahren nach einem der Ansprüche 2 bis 5, bei dem auf Grundlage von zwei mathematischen Modellen aus der Mehrzahl von maτnemaτiscnen ivioαeneπ aus ocππu vιι; ein weiteres maiπemaiisuπes Modell rechnerisch mittels Extrapolation oder Interpolation bestimmt wird.
7. Verfahren nach Anspruch 6, bei dem die Extrapolation oder Interpolation des weiteren mathematischen Modells nicht-linear durch ein Polynom n- ter Ordnung, insbesondere dritter Ordnung, erfolgt.
8. Verfahren nach Anspruch 6 oder 7, bei dem die Extrapolation oder Interpolation mittels l-optimaler und/oder D-optimaler Versuchspläne durchgeführt wird, so dass dadurch in Schritt vii) eine Mehrzahl von mathematischen Modellen erzeugt wird, deren geometrische Parameter an die Geometrie des Versuchskörpers (3) angepasst sind.
9. Verfahren nach einem der Ansprüche 1 bis 8, bei dem bei Durchführung des Schritts vii) jeder geometrische Parameter, der einem diskreten Krümmungsbereich des Referenzkörpers (2) entspricht, isoliert variiert wird und auf Grundlage dessen in Verbindung mit den übrigen Parametern ein mathematisches Submodell erzeugt wird, wobei dieses mathematische Submodell bei der Berechnung aus Schritt viii) berücksichtigt wird.
10. Verfahren nach einem der Ansprüche 1 bis 9, bei dem das mathematische Modell aus Schritt vii) und/oder das mathematische Submodell ein statistisches Prognosemodell oder ein Modell auf
Grundlage eines neuronalen Netzes ist.
11. Verfahren nach einem der Ansprüche 1 bis 10, mit den Schritten:
- Wiederholen der Schritte i) bis iii) für verschiedene Versuchskörper (3), wobei jeder Versuchskörper (3) einer eigenen Geometrieklasse entspricht, bevor für einen entsprechenden Versuchskörper (3) jeweils die Schritte vii) bis xii) durchgeführt werden, und - MDspeicπerπ αer iviaiπx aus ocππu xιι; ιuι einen jeweiiiytsn veisuuπs- körper (3) in einer Datenbank, so dass in dieser Datenbank eine Mehrzahl von Prognosemodellen verknüpft mit einem entsprechenden Formfaktor für verschiedene Versuchskörper (3) enthalten sind.
12. Verfahren nach einem der Ansprüche 1 bis 11 , bei dem für den Referenzkörper (2) ein Normalrichtungsvektor bestimmt wird, der eine werkstoffspezifische Anisotropie definiert, wobei ausgewählte geometrische Parameter in Bezug mit dem Normalrichtungsvektor gesetzt werden.
13. Verfahren nach einem der Ansprüche 1 bis 12, bei dem in Schritt vi) das Entkoppeln der geometrischen Parameter von den absoluten Raumkoordinaten mittels des totalen Differentials der lokalen Krümmung der jeweiligen verformten Bereiche erfolgt.
14. Verfahren nach einem der Ansprüche 1 bis 13, bei dem in Schritt v) die Krümmungen der verformten Bereiche paarweise zu bestimmten Krümmungsbereichen zusammengefasst werden.
15. Verfahren nach Anspruch 14, bei dem die Zusammenfassung zu bestimmten Krümmungsbereichen auf Grundlage der Paare konvexkonvex, konvex-konkav, konkav-konvex, konkav-konkav, konkav-eben, konvex-eben, eben-konvex und eben-konkav erfolgt.
16. Verfahren nach einem der Ansprüche 1 bis 15, bei dem in Schritt vii) der materialspezifische Parameter variiert wird, indem auf eine Datenbank für verschiedene Werkstoffe zurückgegriffen wird.
17. Verfahren nach einem der Ansprüche 1 bis 16, bei dem der
Referenzkörper in Schritt iv) schmelzförmig ist, so dass das In-Form- Bringen des Referenzkörpers durch ein Urformen erfolgt.
18. Verfahren nach einem der Ansprüche 1 bis 16, bei dem der Referenzkörper in Schritt iv) ein fester Körper ist, so dass das In-Form- Bringen des Referenzkörpers durch ein Umformen erfolgt.
19. Verfahren nach Anspruch 18, bei dem der Testversuch in Schritt iv) das Umformvermögen des Referenzkörpers (2) beschreibt und aus einem Napfziehversuch, einem Kreuzstempelversuch, einem Marciniak-Test, einem Nakazima-Test oder ähnlichen Tests besteht.
20. Verfahren nach Anspruch 19, bei dem der Testversuch aus dem Kreuzstempelversuch besteht, der mittels eines quaderförmigen Referenzkörpers (2) durchgeführt wird.
21. Verfahren nach Anspruch 20, bei dem der Kreuzstempelversuch geometrische Parameter in Form von Radien am Kreuzstempel (Ri), Krümmungsbereichen (Bi) und geometrischen Maßen des Kreuzstempels aufweist, nämlich
R1 : Bogenradius am Kreuzstempel,
R2: Einlaufradius am Kreuzstempel,
R3: Radius an einer Außenstirn des Kreuzstempels,
R4: Radius an einer Innenstirn des Kreuzstempels,
B1 : Krümmungsbereich konkav-konvex, B2: Krümmungsbereich konkav-konvex,
B3: Krümmungsbereich konkav-konvex,
B4: Krümmungsbereich konkav-konvex,
T: Tiefe des Kreuzstempels,
D1 : Länge des Kreuzstempels, D2: Stirnbreite des Kreuzstempels, und
D3: Kreuzmaß des Kreuzstempels.
22. venanren nacn ansprucn ΔΛ , DΘI αem αer ι esiversucn ein uoppei- kreuzstempelversuch ist, bei dem im Wesentlichen mittig innerhalb eines äußeren großen Kreuzstempels ein weiterer kleinerer Kreuzstempel angeordnet ist, wobei die Geometrie des kleineren Kreuzstempels an die Geometrie des größeren Kreuzstempels angepasst ist.
23. Verfahren nach Anspruch 22, bei dem der Doppelkreuzstempelversuch geometrische Parameter in Form Krümmungsbereichen (Bi) und geometrischen Maßen des Kreuzstempels aufweist, nämlich
B1 : Krümmungsbereich konkav-konvex,
B2: Krümmungsbereich konvex-konvex,
B3: Krümmungsbereich konkav-konkav,
B4: Krümmungsbereich konvex-konkav, B5: Krümmungsbereich konvex-eben,
B6: Krümmungsbereich konkav-eben,
B7: Krümmungsbereich eben- konkav,
B8: Krümmungsbereich eben- konvex,
T1 : Gesamttiefe des Kreuzstempels, T2: Tiefe bis zur Stufe zwischen dem äußeren Kreuzstempel und dem inneren Kreuzstempel,
D1 : Abstand von der Stufe bis zu einem Rand des äußeren Kreuzstempels, und
D2: Stempelbreite.
24. Verfahren nach Anspruch 23, bei dem in Schritt vii) in Anpassung an die Krümmungsbereiche B1-B8 mindestens 8 Prognosemodelle erzeugt werden.
25. Verfahren nach einem der Ansprüche 1 bis 24, bei dem die Skalierung der normierten geometrischen Parameter in Schritt x) mittels des Prinzips der kleinsten Fehlerquadrate oder mittels eines anderen Berechnungsverfahrens zur Bestimmung von Optima erfolgt.
26. Verfahren nach einem der Ansprüche 1 bis 25, bei dem für den Untersuchungskörper (4) eine Finite-Elemente-Struktur gebildet und jedem finitem Element ein vorbestimmter zulässiger Grenzwert zugewiesen wird, wobei nach dem Schritt xii) (S12), wenn der Untersuchungskörper (4) mit der Matrix aus Schritt xi) verknüpft ist, jedes finite Element des Untersuchungskörpers (4) auf den entsprechenden vorbestimmten Grenzwert hin überprüft wird.
27. Verfahren nach Anspruch 26, bei dem bei einem Unterschreiten des vorbestimmten Grenzwerts in Bezug auf ein jeweiliges finites Element des Untersuchungskörpers (4) ein Rückschluss auf zumindest einen normierten geometrischen Parameter gebildet wird, so dass die Geometrie des Untersuchungskörpers (4) entsprechend angepasst wird.
28. Verfahren nach einem der Ansprüche 1 bis 27, bei dem für die Geometrie des Untersuchungskörpers (4) eine Finite-Elemente-Struktur gebildet wird, wobei dem Untersuchungskörper (4) ein Formfaktor zugewiesen wird, der die Geometrie des Untersuchungskörpers (4) charakterisiert.
29. Verfahren nach Anspruch 28, bei dem in Schritt xii) die Matrix aus Schritt xi) auf die Finite-Elemente-Struktur des Untersuchungskörpers (4) angewendet wird.
30. Verfahren nach Anspruch 28 oder 29, bei dem geometrische Unterschiede zwischen dem Untersuchungskörper (4) und dem Versuchskörper (3) durch das Verhältnis der jeweils zugehörigen Formfaktoren berücksichtigt wird.
31. Verfahren nach einem der Ansprüche 1 bis 30, bei dem zumindest ein Teil der Verfahrensschritte als Computer-Programm mit Programm- Code-Mitteln auf einem Computer oder einer entsprechenden Recheneinheit ausführbar ist.
32. Verfahren nach Anspruch 31 , bei dem Programm-Code-Mittel auf einem Computer-lesbaren Datenträger gespeichert sind.
EP08801169A 2007-08-20 2008-08-20 Verfahren zur bestimmung des formänderungsvermögens eines körpers Withdrawn EP2188747A1 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102007039337A DE102007039337B3 (de) 2007-08-20 2007-08-20 Verfahren zur Bestimmung des Formänderungsvermögens eines Körpers
PCT/DE2008/001346 WO2009024130A1 (de) 2007-08-20 2008-08-20 Verfahren zur bestimmung des formänderungsvermögens eines körpers

Publications (1)

Publication Number Publication Date
EP2188747A1 true EP2188747A1 (de) 2010-05-26

Family

ID=40031062

Family Applications (1)

Application Number Title Priority Date Filing Date
EP08801169A Withdrawn EP2188747A1 (de) 2007-08-20 2008-08-20 Verfahren zur bestimmung des formänderungsvermögens eines körpers

Country Status (4)

Country Link
US (1) US8489368B2 (de)
EP (1) EP2188747A1 (de)
DE (1) DE102007039337B3 (de)
WO (1) WO2009024130A1 (de)

Families Citing this family (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2420977B1 (de) 2010-08-17 2013-04-24 Feintool Intellectual Property AG Verfahren zur Voraussage bzw. Ermittlung des Einzugs an einem Stanzteil
US8463583B2 (en) * 2010-11-17 2013-06-11 Waldemar Kubli Simulated design of formed sheet-metal parts with thinning and thickening effects
CN102507345B (zh) * 2011-11-11 2016-03-30 南京工业大学 高温整体法兰接头蠕变性能试验装置
JP5459362B2 (ja) * 2012-07-24 2014-04-02 Ｊｆｅスチール株式会社 成形品の解析モデルへの材料異方性情報および板厚情報の設定方法、剛性解析方法および衝突解析方法
KR20140015965A (ko) * 2012-07-27 2014-02-07 삼성전자주식회사 변형 가능한 대상체의 변형량을 실시간으로 계산하는 방법 및 장치
US9761014B2 (en) * 2012-11-15 2017-09-12 Siemens Healthcare Gmbh System and method for registering pre-operative and intra-operative images using biomechanical model simulations
EP2763058B1 (de) * 2013-01-30 2021-10-20 Honda Research Institute Europe GmbH Optimieren der Ausgestaltung von physikalischen Strukturen/Objekten
US20160224692A1 (en) * 2015-02-04 2016-08-04 The Procter & Gamble Company Method for Product Design
DE102015218069B4 (de) * 2015-09-21 2024-06-27 Volkswagen Aktiengesellschaft Werkzeug und Werkstück zur Verifizierung von Materialkennwerten
US11248998B2 (en) * 2016-06-24 2022-02-15 Covestro Deutschland Ag Method for the mechanical testing of a structure formed as one part on the basis of test pieces generated by a 3D printing process
CN106874624B (zh) * 2017-03-15 2020-08-04 中南大学 对超薄壁易变形筒形件成型质量在线虚拟检测评价的方法
CN111204197A (zh) * 2018-11-21 2020-05-29 上海汽车集团股份有限公司 汽车尾门结构的优化方法及系统
US20210241546A1 (en) * 2020-02-04 2021-08-05 XL Hybrids Data extraction apparatuses, systems, and methods
DE102020122824A1 (de) 2020-09-01 2022-03-03 Schaeffler Technologies AG & Co. KG Verfahren zur Erzeugung eines Modells für die Bewertung und/oder Vorhersage der Betriebsfestigkeit von Bauteilen, System
DE102020132042A1 (de) 2020-12-02 2022-06-02 Dr. Ing. H.C. F. Porsche Aktiengesellschaft Verfahren, System, Testsystem und Computerprogrammprodukt zur prädiktiven Bestimmung von Testergebnissen für ein technisches Testobjekt

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3127713B2 (ja) * 1994-05-10 2001-01-29 株式会社村田製作所 粉末成形の最適条件解析方法
DE19601858C1 (de) * 1996-01-19 1997-08-28 Siemens Ag Verfahren und Einrichtung zur Bestimmung der Formänderungsfestigkeit eines Stahls
US6101450A (en) * 1997-06-03 2000-08-08 The Trustees Of Columbia University In The City Of New York Stress analysis using a defect-free four-node finite element technique
DE19738943B4 (de) * 1997-09-05 2008-01-03 Siemens Ag Verfahren und Einrichtung zur Bestimmung von Eigenschaften eines Stahls
DE19917045A1 (de) * 1998-08-04 2000-02-10 Volkswagen Ag Verfahren zur Ermittlung der Verformungen und Spannungen einer aus Teilstrukturen bestehenden Gesamtstruktur
EP0978444A3 (de) * 1998-08-04 2004-11-10 Volkswagen Aktiengesellschaft Verfahren zur Ermittlung der Verformungen und Spannungen einer aus Teilstrukturen bestehenden Gesamtstruktur
US6331068B1 (en) * 1999-02-18 2001-12-18 Lacks Industries, Inc. Flexible lamp mounting
WO2008063494A2 (en) * 2006-11-16 2008-05-29 Vanderbilt University Apparatus and methods of compensating for organ deformation, registration of internal structures to images, and applications of same

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
See references of WO2009024130A1 *

Also Published As

Publication number Publication date
WO2009024130A1 (de) 2009-02-26
DE102007039337B3 (de) 2008-12-24
US20110218778A1 (en) 2011-09-08
US8489368B2 (en) 2013-07-16

Similar Documents

Publication Publication Date Title
DE102007039337B3 (de) Verfahren zur Bestimmung des Formänderungsvermögens eines Körpers
DE69911382T2 (de) Verfahren und vorrichtung zum formen gekrümmter platten
DE69202026T2 (de) Verfahren zur Entwicklung des komplizierten Profils von Werkzeugen.
EP1665103B1 (de) Bestimmung eines modells einer geometrie einer blech-umformstufe
DE10352720A1 (de) Finite-Elemente-Simulation
DE102015107800A1 (de) Schnelle Analyse der Restspannung und der Verzerrung in gegossenen Aluminiumkomponenten
EP1623287B1 (de) Auslegung von werkzeugen und prozessen für die umformtechnik
DE102007023605B4 (de) Vorrichtung zum Abschätzen einer Eigenschaft eines urgeformten Bauteils
DE102011003314A1 (de) Verfahren zur Herstellung eines Bauteils
DE102009051925A1 (de) Verfahren zur Bestimmung von Maschendaten und Verfahren zur Korrektur von Modelldaten
EP3267339A1 (de) Verfahren zur erstellung eines meta-modells zur berechnung von kerbspannungen
DE112021007915T5 (de) Herstellungsverfahren für eine stahlrohr-kaltziehmatrize
DE19846457A1 (de) Verfahren zur Anwendung einer anisotropen Härte-Regel der Formbarkeit bei Blechumformverfahren
EP2433185B1 (de) Vorrichtung und verfahren zum bearbeiten einer prozesssimulationsdatenbasis eines prozesses
DE10040973A1 (de) Verfahren zur Simulierung der Verformung eines Blechs während eines Ziehverfahrens
DE69911066T2 (de) Verfahren zum modellieren der formung eines anisotropischen materials
DE10222700B4 (de) Computergestütztes Verfahren zur Massen- und/oder Funktionsoptimierung von Fahrzeugkomponenten und -strukturen
EP3611582A1 (de) Verfahren und vorrichtung zum herstellen eines urform- oder umformwerkzeugs sowie verfahren zum fertigen eines bauteils
DE102010008478A1 (de) EDV-System zum automatischen oder halbautomatischen Konstruieren und Konstruktionsverfahren
EP4320542A1 (de) System zum ermitteln innerer belastungszustände eines mechanischen bauteils
DE102021122939A1 (de) Verfahren zum Beurteilen einer Oberfläche eines Karosseriebauteils sowie Verfahren zum Trainieren eines künstlichen neuronalen Netzes
DE102019220453A1 (de) Verfahren und Vorrichtung zum Erstellen einer Sicherheitsfunktion für das Vermessen eines Fertigungssystems
DE102005044197A1 (de) Verfahren zur rückfederungskompensierten Herstellung von Blechformteilen
DE102020133654B3 (de) Computerimplementiertes Verfahren zur Modifizierung einer Komponente eines computergenerierten Modells eines Kraftfahrzeugs
DE102022201433A1 (de) Vorrichtung und Verfahren zur Integration eines statistischen Oberflächenrauheitsmodells in Kristallplastizitätssimulationen insbesondere für eine Ermüdungslebensdauerberechnung

Legal Events

Date Code Title Description
PUAI Public reference made under article 153(3) epc to a published international application that has entered the european phase

Free format text: ORIGINAL CODE: 0009012

17P Request for examination filed

Effective date: 20100319

AK Designated contracting states

Kind code of ref document: A1

Designated state(s): AT BE BG CH CY CZ DK EE ES FI FR GB GR HR HU IE IS IT LI LT LU LV MC MT NL NO PL PT RO SE SI SK TR

AX Request for extension of the european patent

Extension state: AL BA MK RS

DAX Request for extension of the european patent (deleted)
17Q First examination report despatched

Effective date: 20110118

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: THE APPLICATION IS DEEMED TO BE WITHDRAWN

18D Application deemed to be withdrawn

Effective date: 20150303