Strength Prognosis for Joining by Forming
Medien-Nr.:
FB-585
Produktnummer:
FB_585.2
Autor:
Dr.-Ing. Mathias Jäckel, Prof. Dr.-Ing. Welf-Guntram Drossel, Fraunhofer-Institute for Machine Tools and Forming Technology Dresden - Dr.-Ing. Sam Coppieters, M.Sc. Niels Vancraeynest, Structural Composites and Alloys, Integrity and Nondestructive Testing (SCALINT), Campus Gent, KU Leuven
Erscheinungsjahr:
21. November 2022
ISBN:
978-3-86776-643-2
Nebeninformationen:
sw, 54 teils farbige Abb., 7 Tab.
Seitenanzahl:
80
Data-driven algorithms are used to predict the mechanical strength of self-pierce riveted and clinched joints. 50 validated simulations for each joining method provide a sufficiently large database for this purpose.
It is shown that generally available material data such as tensile strength and sheet thicknesses as well as the known process parameters provide good predictions for the joint strength.
A neural network provides the best prediction results for the quasi-static joint strength with the generated process data.
However, the complexity of the joint failure essentially determines the quality of the analytical prediction.
The best performing analytical prediction formulas are determined by comparison with the experimental database, so that the analytical predictors can be integrated into FE modules to automatically perform strength estimation after connection simulation.
+++
Festigkeitsprognose beim Fügen durch Umformen
Anhand von datengesteuerten Algorithmen soll die mechanische Festigkeit von Stanzniet- und Clinchverbindungen vorhergesagt werden. 50 validierte Simulationen für jede Verbindungsmethode liefern dafür eine ausreichend große Datenbasis.
Es zeigt sich, dass allgemein verfügbare Materialdaten wie Zugfestigkeit und Blechdicken sowie die bekannten Prozessparameter gute Vorhersagen für die Verbindungsfestigkeit ermöglichen.
Ein neuronales Netz liefert dabei die besten Vorhersageergebnisse für die quasistatische Verbindungsfestigkeit mit den generierten Prozessdaten.
Jedoch bestimmt die Komplexität des Versagens der Verbindung im Wesentlichen die Qualität der analytischen Vorhersage.
Im Vergleich mit der experimentellen Datenbank werden die leistungsfähigsten analytischen Vorhersageformeln ermittelt, so dass die analytischen Prädiktoren in FE-Module integriert werden können, um nach der Verbindungssimulation automatisch eine Festigkeitsabschätzung vorzunehmen.