Datengetriebene Schleifbrandüberwachung

 

Die in der Schleiftechnik auftretenden Gefügeänderungen sind das Resultat thermischer Überbelastung in der Bauteilrandzone und werden unter dem Überbegriff Schleifbrand geführt. Das Auftreten von Schleifbrand und die damit einhergehende Veränderung der Materialeigenschaften führen zu einem mangelhaften Betriebsverhalten der Bauteile und somit zu einer reduzierten Bauteillebensdauer. Eine der Herausforderungen in der schleiftechnischen Bearbeitung von Stählen ist daher die Vermeidung von Schleifbrand bei konstant hoher Produktivität.

Die konventionelle Überprüfung von Werkstücken auf Schleifbrand ist durch Verfahren wie das Nitalätzen und die Messung des Barkhausenrauschens oder der Röntgenbeugung möglich. Dabei sind die etablierten Verfahren aber entweder ausschließlich zerstörend möglich oder nur mit starken Einschränkungen automatisierbar und auf weitere Prozesse übertragbar. Eine vergleichsweise kostengünstige Lösung für die prozessunabhängige Schleifbrandüberwachung in der Serienfertigung ist aufgrund der aufgezählten Defizite konventioneller Messverfahren daher nicht Stand der Technik.

Eine datengetriebene Schleifbrandidentifikation bietet das Potential der prozessunabhängigen Überprüfung von Werkstücken auf thermische Randzonenschädigungen. Hierbei kann insbesondere das Körperschallsignal während des Schleifprozesses genutzt werden, um Schädigungen frühzeitig zu erkennen und Ausschuss zu vermeiden. Implementiert in ein Assistenzsystem wird die Möglichkeit geboten, industrielle Serienschleifprozesse während des Schleifens zu überwachen.

Das Ziel des Teilprojektes ist daher die Entwicklung einer Methode zur datengetriebenen Schleifbrandidentifikation sowie die Einbettung der Methode in ein Assistenzsystem zur datengetriebenen Schleifbrandüberwachung. Hierbei werden Machine Learning Modelle genutzt, um mit Hilfe von Körperschallsignalen Schleifbrand zu identifizieren.