In einem von der Deutschen Forschungsgemeinschaft geförderten Projekt wurde eine Prozessüberwachung entwickelt und validiert, welche Werkzeug- als auch Bauteilschädigungen während der Zerspanung robust detektiert.

Die Nachfrage nach kohlenstofffaserverstärkten Kunststoffen (CFK) ist in den letzten Jahren stark gestiegen und nimmt weiter zu. Grund hierfür sind vorteilhafte Materialeigenschaften wie beispielsweise die hohen spezifischen Steifigkeiten und Festigkeiten, welche über Faservolumengehalt und -ausrichtung im Fertigungsprozess konfiguriert werden. Obwohl die Herstellung von CFK-Bauteilen große Fortschritte zur endkonturnahen Fertigung gemacht hat, sind weiterhin zumeist spanende Prozesse zur Realisierung von Bohrungen sowie der Kantenbearbeitung notwendig. Hier kommt es aufgrund der abrasiven Kohlenstofffasern zu starkem Werkzeugverschleiß in Form von Schneidkantenverrundung, Abplatzen der Werkzeugbeschichtung und daraufhin zu unerwünschten Bauteilschädigungen wie Faserüberständen und Delaminationen.

Solche Schädigungen der gefrästen Kante können die Festigkeit eines Bauteils drastisch herabsetzen und müssen daher vermieden werden. In der industriellen Praxis führt dies dazu, dass Fräswerkzeuge rechtzeitig und womöglich vor dem Erreichen des eigentlichen Standzeitendes gewechselt werden müssen. Da die unerwünschten Bauteilschädigungen während der spanenden Bearbeitung nicht detektiert werden können, müssen die Bauteile im Nachgang aufwendig inspiziert und gegebenenfalls nachbearbeitet werden. Ein möglicher Ansatz zur Detektion von Werkzeug- und Bauteilschädigungen während der spanenden Bearbeitung ist die Prozessüberwachung mittels Körperschall.

Am Institut für Werkzeugmaschinen und Fabrikbetrieb (IWF) wurde ein Demonstrator eines solchen Systems entwickelt. Dabei zeichnet erstmalig ein mit dem Fräswerkzeug rotierender Sensor den in der Zerspanungszone emittierten Körperschall auf. Durch geeignete Signalverarbeitung können Werkzeug- und Bauteilschädigungen detektiert und quantifiziert werden. Der verfolgte Forschungsansatz, die Versuchsaufbauten sowie das Vorgehen zur Parametrierung der Prozessüberwachung werden in diesem Beitrag vorgestellt. Der Artikel schließt mit einem Ausblick auf die Möglichkeiten zur industriellen Anwendung sowie weitere geplante Forschungsarbeiten ab.

Körperschallsensoren finden bereits vielfältige Anwendung in der industriellen Fertigung. Hier werden sie vor allem für die Feststellung des Werkzeug-Bauteilkontakts, der Werkzeugbruchüberwachung oder der Detektion von Schleifbrand eingesetzt [UHL13, GAO19, SUN20]. Bezüglich der Anwendung von Körperschallsignalen für die Überwachung von Werkzeugverschleiß und Bauteilschädigungen beim Bohren und Fräsen wurden ebenfalls eine Vielzahl von akademischen Vorarbeiten mittels bauteilseitig montierter Sensoren getätigt. So konnte in mehreren Veröffentlichungen gezeigt werden, dass verschiedene Signalkennwerte, die während der Zerspanung aufgezeichnet wurden, mit dem Werkzeugverschleiß oder der Bauteilschädigung in Zusammenhang stehen [PRA16, WAN17, RIB19, LIA21]. Für die industrielle Anwendung ergeben sich jedoch nach Einschätzung der Autoren vor allem zwei grundlegende Herausforderungen, die mit dem für diesen Beitrag entwickelten Demonstrator adressiert werden. Gemeint sind hier

Die bauteilseitigen Sensoren bringen den Nachteil mit sich, dass bereits geringe Änderungen im Abstand zwischen Sensor und Zerspanungszone einen drastischen Einfluss auf das aufgezeichnete Signal haben. Aufgrund der Viskoelastizität der Matrix und der Faser-Matrix-Übergänge unterliegt Körperschall in CFK hoher und auch faserrichtungsabhängiger Dämpfung sowie Frequenzdispersion [LOP09, SRE15, WIR19, WU21]. Diese Phänomene lassen die Bewertung und den Vergleich von Körperschallsignalen, welche an unterschiedlichen Positionen im Bauteil emittiert und von einem stationären Sensor aufgezeichnet wurden, zu einer komplexen Herausforderung werden. Ein möglicher Ansatz ist hier beispielsweise die Hinzuziehung weiterer Prozessmessgrößen oder das Anlernen Künstlicher Intelligenzen auf Grundlage ausreichend großer Datensätze für die jeweilig vorliegende Bearbeitungsaufgabe.

Digitaler Zwilling simuliert Bauteilschwingungen beim Fräsen

Die Parametrierung von Prozessüberwachungen mittels Körperschallsignalen benötigt aufwendige Zerspanungsversuche für die jeweilig vorliegende Zerspanungskonfiguration und ist somit sowohl zeit- als auch kostenintensiv und stellt damit ein weiteres Hindernis für die industrielle Anwendung dar. In mehreren Analogversuchen konnte allerdings gezeigt werden, dass das Versagen von Werkzeugbeschichtungen spezifische messbare Körperschallsignale emittiert [BEL03, LU13, UHL21]. Auch für Schädigungen in CFK-Bauteilen wurden unterscheidbare Signalpakete beispielsweise im Zug-, Druck- oder Biegeversuch festgestellt [MAR08, HAM13, UHL21]. Während der Zerspanung ist das aufgezeichnete Messsignal durch Spanreibung und Lagergeräusche überlagert, weshalb sich der Ansatz ergibt, die für die Prozessüberwachung relevanten Signalkennwerte und Frequenzbänder anhand von Messdaten aus Analogversuchen zu identifizieren. Diese spezielle Eigenschaft des Körperschalls kann für die Parametrierung ausgenutzt werden.

Zur Provokation von Schichtbrüchen im Analogversuch wurden beschichtete Proben im Impacttester durch definierte Aufbringung von Impactkräften FI = 80, 100 und 120 N mit je I = 500.000 Stößen geschädigt. Die bei der Schädigung emittierten Körperschallsignale wurden mittels eines auf der Probe angebrachten Sensors vom Typ 8152BQ der Firma Kistler Instrumente GmbH aufgezeichnet. Die Experimente wurden für mikro- und nanokristallin beschichtete Hartmetallproben mit einer Beschichtung des Typs Balinit Diamond der Firma Oerlikon Balzers Coating Luxembourg SARL durchgeführt. Zur Untersuchung der emittierten Körperschallsignale und deren Zuordnung gegenüber unterschiedlicher Schädigungsmechanismen in CFK, wurden speziell präparierte Proben in Zug-, Druck- und Biegeversuchen zerstört. Der dabei emittierte Körperschall wurde mit Sensoren aufgezeichnet, welche an der Probe montiert waren.

Durch die Verwendung von unidirektionalem (UD) CFK sowie geeigneten Geometrien konnten dabei Proben gefertigt werden, in denen bestimmte Schädigungsmechanismen, wie Matrixbruch oder Faserriss vorherrschend sind. Die Fräsversuche wurden auf einer Ultrasonic C260 Composites der Firma Sauer GmbH mit beschichteten Fräsern vom Typ FE100S und T-Rex Z2x2 194H100-TL7 der Firma Hufschmied GmbH durchgeführt. Während der Zerspanung emittierter Körperschall wurde mit einem rotierenden Sensor des Typs AE8005 der Firma Accretech SBS Inc. aufgezeichnet. Der Sensor ist dabei am Werkzeughalter montiert. Die Messsignale werden mit einer Auflösung von r = 15 Bits im Messbereich von mR = ± 2 V digitalisiert. Die Versuchsaufbauten für die Fräsbearbeitung, das Impacttesten und den Biegeversuch sind im Bild 1 dargestellt.

Bild 1: Versuchsaufbauten während des Forschungsprojekts; a) rotierende Körperschallmessung bei der Fräsbearbeitung; b) zerstörende Prüfung einer Werkzeugbeschichtung im Impacttester; c) Biegeversuch einer UD-CFK Probe (Bild: Technische Universität Berlin, Institut für Werkzeugmaschinen und Fabrikbetrieb (IWF))

Im Rahmen des Projektes wurden unterschiedliche Ansätze zur Parametrierung von Prozessüberwachungen verwendet. Diese umfassen die Messdaten aus dem Fräsprozess sowie die in Analogversuchen gewonnenen Körperschalldaten. Die Verwendung der Messdaten sowie die Performance der parametrierten Überwachungen wird im Folgenden vorgestellt.

Zur Detektion der Schneidkantenverrundung wurden Messdaten aus dem Fräsprozess verwendet. Hier hat sich trotz Fräserradiuskompensation mit steigendem Werkzeugverschleiß eine streng monotone Abnahme von Signalkennwerten des Körperschallsignals gezeigt. Bild 2 stellt die emittierten Körperschallsignale AERoh während einer Werkzeugumdrehung dar, wobei das Fräsen mit scharfem und stumpfem Werkzeug gegenübergestellt wird.

Bild 2: Körperschallemission während des Fräsens mit scharfer und stumpfer Schneide (Bild: Technische Universität Berlin, Institut für Werkzeugmaschinen und Fabrikbetrieb (IWF))

Künstliche neuronale Netze erreichen Bestimmtheitsmaße von R2 > 0,95 bei der Detektion von Verschleißzuständen der Werkzeuge sowie Faserüberständen in Bezug zum Werkzeugverschleiß. Diese hohen Genauigkeiten werden erzielt, indem speziell extrahierte Signalkennwerte des Körperschallsignals mit dem jeweils vorliegenden Verschleißzustand parametriert werden. Die Detektion von Delaminationen erfolgt über einen plötzlichen Abfall der Körperschallamplitude, da nur noch mit verringerter axialer Schnitttiefe ap zerspant wird. Die Rohdaten von fehlerfreier Zerspanung im Gegensatz zu der Zerspanung mit aufgetretener Delamination im Bauteil sind in Bild 3 dargestellt.

Bild 3: Abfall der Körperschallamplitude bei Schneideneingriff während einer Delamination (Bild: Technische Universität Berlin, Institut für Werkzeugmaschinen und Fabrikbetrieb (IWF))

Der Demonstrator sowie die Algorithmen zur Überwachungsparametrierung weisen ein hohes Potential für industrielle Anwendungen auf und werden zukünftig weiter untersucht und entwickelt. In Grundlagenprojekten ist zunächst das Verhalten des Demonstrators für das Bohren, die Mikrobearbeitung oder die Bearbeitung weiterer Werkstoffe zu erforschen. Auch die Untersuchung grundlegend unterschiedlicher Faserversagensmechanismen bei der Hochgeschwindigkeits- und der konventionellen Bearbeitung in Abhängigkeit vom Fasertrennwinkel ist angedacht. Weiterhin ist die Parametrierung der Prozessüberwachung mittels unterschiedlicher analytischer oder numerischer Methoden geplant. Für die industrielle Anwendung konnte gezeigt werden, dass sowohl Bauteilschädigungen als auch der Verschleiß einzelner Werkzeugschneiden prozessparallel überwacht werden kann. Um den Ansatz zur Marktreife zu bringen, aber auch für weitere Grundlagenforschung sucht das IWF derzeit nach Partnern in Industrie und Wissenschaft für die gemeinsame Projektarbeit.

Ein smartes Leichtbau-CFK-Spannfutter zeigt Feingefühl

Die Autoren danken der Deutschen Forschungsgemeinschaft DFG für die Finanzierung dieser Forschung im Rahmen des Forschungsprojektes „Entwicklung und Validierung einer Prozessüberwachung mittels Körperschall für das Fräsen von kohlenstofffaserverstärkten Kunststoffen“ mit der Projektnummer 420609123.

BEL03: Belmonte, M.; Fernandes, A. J. S.; Costa, F. M.; Oliveira, F.J.; Silva, R.F.: Acoustic emission detection of macro-indentation cracking of diamond coated silicon. Diamond & Related Materials 12 (2003), S. 1744 - 1749.

GAO19: Gao, Z.; Lin, J.; Wang, X.; Liao, Y.: Grinding Burn Detection Based on Cross Wavelet and Wavelet Coherence Analysis by Acoustic Emission Signal. Chinese Journal of Mechanical Engineering 32 (2019) 1, S. 859 - 869.

HAM13: Hamdi, S. E.; Duff, A. L.; Simon, L.; Plantier, G.; Sourice, A.; Feuilloy, M.: Acoustic emission pattern recognition approach based on Hilbert-Huang transform for structural health monitoring in polymer-composite materials. Applied Acoustics 74 (2013) 74, S. 746 - 757.

LIA21: Liang, K.; Dai, W.; Huang, T.; Lu, Z.: Tool Condition Monitoring in Milling Process Based on Multi-Source Pattern Recognition Model. ResearchSquare, 2021.

LOP09: Lopresto, V.; Leone, C.; Caprino, G.; Iorio, I.: Analysis of acoustic emission signals produced by different carbon fibre reinforced plastic laminates. Proceedings 17th International Conference on Composite Materials ICCM-17, Edinburgh, Scotland (2009), S. 27 - 31.

LU13: Lu, P.; Chou, Y. K.: Analysis of acoustic emission signal evolution for monitoring diamond-coated tool delamination wear in machining. In: Machining and machine-tools. Elsevier. 2013, S. 1 - 28.

MAR08: Marec, A.; Thomas, J.-H.; El Guerjouma, R.: Damage characterization of polymer-based composite materials. Mechanical Systems and Signal Processing 22 (2008) 6, S. 1441 - 1464.

PRA16: Prakash, R.; Krishnaraj, V.; Zitoune, R.; Ahmad, J.S.: High-Speed Edge Trimming of CFRP and Online Monitoring of Performance of Router Tools Using Acoustic Emission. Materials 9 (2016), S. 1 - 16.

RIB19: Ribeiro, K. S. B.; Venter, G. S.; Coelho, R.; Rodrigues, A.: Monitoring micro end milling stability via acoustic emission. In: Proceedings of the 25th International Congress of Mechanical Engineering. ABCM, 2019.

SRE15: Sreekumar, P.; Ramadas, C.; Anand, A.; Joshi, M.: Attenuation of Ao Lamb mode in hybrid structural composites with nanofillers. Composite Structures 132 (2015), S. 198 - 204.

SUN20: Sun, S.; Hu, X.; Zhang, W.: Detection of tool breakage during milling process through acoustic emission. International Journal of Advanced Manufacturing Technology 109 (2020) 5-6, S. 1409 - 1418.

UHL13: Uhlmann, E.; Raue, N.; Gabriel, C.: Acoustic Emission-based micro milling tool contact detection as an integrated machine tool function. Proceedings of the 13th euspen international Conference (2013), S. 1 - 4.

UHL21: Uhlmann, E.; Holznagel, T.; Ospina Mora, S.: Körperschallemission in CFK und Fräswerkzeugen/Acoustic emission in CFRP and milling tools - Analysis of emitted acoustic emission in analogous experiments. wt Werkstattstechnik online 111 (2021) 07-08, S. 495 - 500.

WAN17: Wang, B.; Liu, Z.: Acoustic emission signal analysis during chip formation process in high speed machining of 7050-T7451 aluminum alloy and Inconel 718 superalloy. Journal of Manufacturing Processes 27 (2017) 10, S. 114 - 125

WIR19: Wirtz, S. F.; Bach, S.; Söffker, D.: Experimental Results of Acoustic Emission Attenuation Due to Wave Propagation in Composites. Proceedings of the Annual Conference of the PHM Society 11 (2019) 1, S. 1 - 7.

WU21: Wu, Y.; Perrin, M.; Pastor, M.-L.; Casari, P.; Gong, X.: On the determination of acoustic emission wave propagation velocity in composite sandwich structures. Composite Structures 259 (2021) 9, S. 1 - 10.

* Tobias Holznagel und Eckart Uhlmann arbeiten an der Technischen Universität Berlin, Institut für Werkzeugmaschinen und Fabrikbetrieb (IWF), Pascalstraße 8 - 9, 10587 Berlin, Deutschland. Eckart Uhlmann ist außerdem für das Fraunhofer Institut für Produktionsanlagen und Konstruktionstechnik IPK, Pascalstraße 8 - 9, 10587 Berlin, Deutschland tätig.

Mit Klick auf „Newsletter abonnieren“ erkläre ich mich mit der Verarbeitung und Nutzung meiner Daten gemäß Einwilligungserklärung (bitte aufklappen für Details) einverstanden und akzeptiere die Nutzungsbedingungen. Weitere Informationen finde ich in unserer Datenschutzerklärung.

Es ist für uns eine Selbstverständlichkeit, dass wir verantwortungsvoll mit Ihren personenbezogenen Daten umgehen. Sofern wir personenbezogene Daten von Ihnen erheben, verarbeiten wir diese unter Beachtung der geltenden Datenschutzvorschriften. Detaillierte Informationen finden Sie in unserer Datenschutzerklärung.

Ich bin damit einverstanden, dass die Vogel Communications Group GmbH & Co. KG, Max-Planckstr. 7-9, 97082 Würzburg einschließlich aller mit ihr im Sinne der §§ 15 ff. AktG verbundenen Unternehmen (im weiteren: Vogel Communications Group) meine E-Mail-Adresse für die Zusendung von redaktionellen Newslettern nutzt. Auflistungen der jeweils zugehörigen Unternehmen können hier abgerufen werden.

Der Newsletterinhalt erstreckt sich dabei auf Produkte und Dienstleistungen aller zuvor genannten Unternehmen, darunter beispielsweise Fachzeitschriften und Fachbücher, Veranstaltungen und Messen sowie veranstaltungsbezogene Produkte und Dienstleistungen, Print- und Digital-Mediaangebote und Services wie weitere (redaktionelle) Newsletter, Gewinnspiele, Lead-Kampagnen, Marktforschung im Online- und Offline-Bereich, fachspezifische Webportale und E-Learning-Angebote. Wenn auch meine persönliche Telefonnummer erhoben wurde, darf diese für die Unterbreitung von Angeboten der vorgenannten Produkte und Dienstleistungen der vorgenannten Unternehmen und Marktforschung genutzt werden.

Falls ich im Internet auf Portalen der Vogel Communications Group einschließlich deren mit ihr im Sinne der §§ 15 ff. AktG verbundenen Unternehmen geschützte Inhalte abrufe, muss ich mich mit weiteren Daten für den Zugang zu diesen Inhalten registrieren. Im Gegenzug für diesen gebührenlosen Zugang zu redaktionellen Inhalten dürfen meine Daten im Sinne dieser Einwilligung für die hier genannten Zwecke verwendet werden.

Mir ist bewusst, dass ich diese Einwilligung jederzeit für die Zukunft widerrufen kann. Durch meinen Widerruf wird die Rechtmäßigkeit der aufgrund meiner Einwilligung bis zum Widerruf erfolgten Verarbeitung nicht berührt. Um meinen Widerruf zu erklären, kann ich als eine Möglichkeit das unter https://support.vogel.de abrufbare Kontaktformular nutzen. Sofern ich einzelne von mir abonnierte Newsletter nicht mehr erhalten möchte, kann ich darüber hinaus auch den am Ende eines Newsletters eingebundenen Abmeldelink anklicken. Weitere Informationen zu meinem Widerrufsrecht und dessen Ausübung sowie zu den Folgen meines Widerrufs finde ich in der Datenschutzerklärung, Abschnitt Redaktionelle Newsletter.

Halbautomatisches Bohren wird jetzt mit KI überwachbar

Cookie-Manager Leserservice AGB Hilfe Abo-Kündigung Werbekunden-Center Mediadaten Datenschutz Impressum Abo Autoren

Copyright © 2022 Vogel Communications Group

Diese Webseite ist eine Marke von Vogel Communications Group. Eine Übersicht von allen Produkten und Leistungen finden Sie unter www.vogel.de

©Andrey Armyagov - stock.adobe.com; Hainbuch; TU Hamburg; Fraunhofer IPK; PFLITSCH; ACE Stoßdämpfer GmbH; Server; gemeinfrei; Technische Universität Berlin, Institut für Werkzeugmaschinen und Fabrikbetrieb (IWF); Trumpf; VCG; Lang GmbH & Co. KG; Finus/VCG; Hyprostatik Schönfeld; Bosch; ATNA, Altair; D.Quitter – VCG; tech4automation; 3D Systems; Fraunhofer LBF; Landesmesse Stuttgart GmbH; Fraunhofer ISE; Plagiarius; Thales; I. Avshalom Shilian; Surplex; Filtration Group Industrial; G. Chiung; Thunderpic; Tüv Nord/ Hydrohub; Z. Bruegel; Chicago Pneumatic; P. Südermann; ©Eisenhans - stock.adobe.com; EU-Kommission; HHLA; Gesamtmetall; CNC24; Sintratec; Datron; Mesago / Malte Kirchner; Murrelektronik