guest ::
| 001 | 976112 | ||
| 005 | 20250930142702.0 | ||
| 024 | 7 | _ | |2 HBZ |a HT030631138 |
| 024 | 7 | _ | |2 Laufende Nummer |a 42987 |
| 024 | 7 | _ | |2 datacite_doi |a 10.18154/RWTH-2023-12291 |
| 037 | _ | _ | |a RWTH-2023-12291 |
| 041 | _ | _ | |a English |
| 082 | _ | _ | |a 620 |
| 100 | 1 | _ | |0 P:(DE-82)IDM02266 |a Bexter, Felix |b 0 |u rwth |
| 245 | _ | _ | |a A simulative approach to efficient microstructure optimisation: identifying microstructural influences on the damage properties of dualphase steels |c vorgelegt von Felix Bexter, M.Sc. RWTH |h online |
| 246 | _ | 3 | |a Ein simulativer Ansatz zur effizienten Mikrostrukturoptimierung: Identifizierung mikrostruktureller Einflüsse auf die Schädigungseigenschaften von Dualphasenstählen |y German |
| 260 | _ | _ | |a Aachen |b RWTH Aachen University |c 2023 |
| 260 | _ | _ | |c 2024 |
| 300 | _ | _ | |a 1 Online-Ressource : Illustrationen |
| 336 | 7 | _ | |0 2 |2 EndNote |a Thesis |
| 336 | 7 | _ | |0 PUB:(DE-HGF)11 |2 PUB:(DE-HGF) |a Dissertation / PhD Thesis |b phd |m phd |
| 336 | 7 | _ | |2 BibTeX |a PHDTHESIS |
| 336 | 7 | _ | |2 DRIVER |a doctoralThesis |
| 336 | 7 | _ | |2 DataCite |a Output Types/Dissertation |
| 336 | 7 | _ | |2 ORCID |a DISSERTATION |
| 500 | _ | _ | |a Veröffentlicht auf dem Publikationsserver der RWTH Aachen University 2024 |
| 502 | _ | _ | |a Dissertation, Rheinisch-Westfälische Technische Hochschule Aachen, 2023, Kumulative Dissertation |b Dissertation |c Rheinisch-Westfälische Technische Hochschule Aachen |d 2023 |g Fak05 |o 2023-10-23 |
| 520 | 3 | _ | |a Die Optimierung von Werkstoffen und ihrer Prozessierung hat die Weiterentwicklung von Technologien, Produktion und Infrastruktur enorm beschleunigt. Stahl ist seit jeher einer der wichtigsten Werkstoffe für die Herstellung vieler Komponenten, die von der Infrastruktur (z. B. Schienen, Brücken) bis hin zu komplizierten Maschinen reichen. Daher wurden bereits große Anstrengungen unternommen, um Stahl als Werkstoff zu optimieren. Aus diesen Verbesserungen sind neue Werkstoffklassen innerhalb des übergeordneten Werkstoffs Stahl entstanden, z. B. Baustähle, hochfeste Stähle (AHSS), mittelmanganhaltige Stähle (MMnS), Werkzeugstähle, um nur einige zu nennen. In den letzten Jahren hat sich die Optimierung von der einfachen Anpassung der mechanischen Eigenschaften an die jeweilige Anwendung hin zur Berücksichtigung von Nachhaltigkeit und ökologischen Faktoren erweitert. Aus diesem Grund sind die Stähle spezifischer für ihren Anwendungsbereich geworden, da der Leichtbau eine sehr wichtige Rolle bei der Verringerung des CO2-Ausstoßes und damit der ökologischen Auswirkungen der Bauteile spielt. Der Optimierungsprozess wird durch die Einführung digitaler Werkzeuge, wie z. B. computergestützte Finite-Elemente-Simulationen zusätzlich beschleunigt. Diese waren zunächst einfache elastisch-plastische Simulationen, wurden aber mit zunehmender Rechenleistung komplexer. Dies führte zu Materialmodellen, die sowohl das Fließverhalten als auch die schädigungsbedingte Reduzierung der Festigkeit und Leistungsfähigkeit genau beschreiben. In den letzten Jahren rückte die Mikrostruktur von Werkstoffen in den Mittelpunkt der Optimierung, da sie die mechanischen und schädigungsbedingten Eigenschaften eines Werkstoffs stark beeinflusst. Auch hier zeigte die Digitalisierung der Prozesse vielversprechende Ergebnisse und statistisch repräsentative Volumenelemente (sRVE) wurden zu einem zentralen Forschungsthema, das darauf abzielt, die Mikrostruktur digital darzustellen [1]. Auch die 2021 gewählte Bundesregierung erkannte das Potenzial der Nutzung digitaler Zwillinge oder Schatten des Materials, wie es die sRVEs sind, und hat die Förderung dieser Verfahren im Koalitionsvertrag festgeschrieben [2]. Bei den oben erwähnten hochspezialisierten Stählen ist das Gefüge jedoch zunehmend komplexer geworden, wobei mehrere unterschiedliche kristallografische Phasen sowie spezifische Wärmebehandlungen eingesetzt werden, um das gewünschte Gefüge des Werkstoffs und damit die gewünschte Leistungsfähigkeit und sowie die mechanischen Eigenschaften zu erreichen. Um die Mikrostruktur für einen bestimmten Prozess weiter zu optimieren, ist es daher unerlässlich, die Mikrostruktur zunächst als digitalen Zwilling oder Schatten mit Hilfe von sRVEs nachzubilden. Diese sRVEs sind keine identischen Abbildungen der realen Mikrostruktur, sondern verwenden statistische Beschreibungen des Materials, um es virtuell darzustellen. Von der einfachen zweidimensionalen sRVE [3] bis hin zu anspruchsvolleren Ansätzen wie neueren Versionen von DREAM.3D (z. B. Version 6.5.163) [4] wurden erhebliche Fortschritte bei der präzisen Nachbildung der Mikrostrukturen erzielt. Doch selbst bei den neueren Algorithmen zur Konstruktion virtueller Mikrostrukturen fehlt die Möglichkeit, alle Merkmale sowie wirklich realistische Kornformen einzubeziehen. Zudem müssen die Eingangsdaten für diese statistisch repräsentativen Modelle aus Mikrostrukturbildern gewonnen werden. Um dann die für realistische sRVE notwendigen Eingangsdaten zu erzeugen, werden in der Regel einfache Verteilungsfunktionen verwendet. Dabei wird jedoch die Tatsache außer Acht gelassen, dass es vielfältige Abhängigkeiten zwischen den Mikrostrukturparametern gibt. In dieser Arbeit wurden diese fehlenden Schlüsselkomponenten erarbeitet, um eine Methode zur genauen Darstellung der Mikrostruktur zu entwickeln. Der Schwerpunkt lag bei diesem Schritt eher auf der Eingabegenerierung, während die Mikrostrukturdarstellung das Hauptaugenmerk eines Mitautors war. Um eine Optimierung der Mikrostruktur zu ermöglichen, muss eine kohärente Methode entwickelt werden. Dies ist das Ziel der vorliegenden Arbeit: Eine Methode und einen Weg für eine effiziente Mikrostrukturoptimierung bereitzustellen. Die Forschungshypothese lautet daher wie folgt: Für eine effiziente Mikrostrukturoptimierung müssen digitale Werkzeuge eingesetzt und ein umfassendes Verständnis der Mikrostruktur und ihrer Auswirkungen erlangt werden. Um die Methoden zur Mikrostrukturoptimierung zu entwickeln und zu testen, war ein Anwendungsfall notwendig. Da die Schädigungseigenschaften von aktuellem Interesse für den Bereich der Materialwissenschaft sind, wurden die Schädigungseigenschaften eines DP800-Stahls untersucht. Der DP-Stahl wurde gewählt, da diese Stahlklasse ein ausreichend komplexes Gefüge aufweist, um genügend einstellbare Parameter zu liefern, und gleichzeitig recht simpel ist, was die mechanischen Eigenschaften und die Art und Weise der Schädigungsbildung betrifft. Ziel dieser Arbeit ist es nun, die zuvor beschriebene Wissenslücke zu schließen, indem eine Methode entwickelt wird, die in der Lage ist, den Einfluss der einzelnen Parameter einer Mikrostruktur auf das Schädigungsverhalten zu quantifizieren. Um den Einfluss jedes einzelnen Gefügemerkmals individuell zu bestimmen, ist ein simulativer Ansatz zwingend erforderlich. Auf diese Weise kann eine Methode entwickelt und erprobt werden, die für eine effiziente und effektive Gefügeauslegung und -optimierung geeignet ist. Das klare Ziel ist es, das Gefüge des DP800 möglichst genau zu beschreiben und Einflussfaktoren für die Schädigungseigenschaften zu finden. Auf diese Weise soll die Optimierung von Stahlgefügen für bestimmte Belastungspfade und Anwendungsfälle deutlich verbessert werden und somit sind die Vorteile der einzelnen Gefüge dann leicht quantifizierbar. |l ger |
| 520 | _ | _ | |a The optimisation of materials and processes has sped up the development of technologies, production and infrastructure tremendously. Steel is historically one of the most important materials, for the manufacturing of many components, reaching from infrastructure (e.g. railways, bridges), to intricate machinery. Thus, a lot of effort already went into optimizing steel as a material. From these improvements new material classes inside the overarching steel material were created; e.g. structural steels, advanced high strength steels (AHSS), medium manganese steels (MMnS), tool steels, to only name a few. In recent years the optimisation has expanded from simply adapting the mechanical properties for specific application towards including sustainability and ecological factors. For this reason, steels have become more specific towards their application field, as lightweight construction plays a very important role in the reduction of CO2 emission and therefore in the ecological impact components have. The optimisation process accelerated with the implementation of digital tools, such as computer based finite element simulations. They started out as simple elastic/plastic idealised simulations but became more sophisticated as computational power began to increase. This led to material models that describe the flow behaviour as well as the damage induced softening accurately. In recent years the microstructure of materials became a focus of optimisation, as it is extremely influential on mechanical and damage properties of a material. Again, the digitalisation of all processes showed to yield promising results and statistically representative volume elements (sRVE) became a key research topic that aimed at representing the microstructure digitally [1]. Even the 2021 elected German government realised the potential of the utilisation of digital twins or shadows, like the sRVEs are, of the material and has stipulated the promotion of these processes in the coalition agreement [2]. However, for these highly specialised steels, mentioned above, the microstructure has become increasingly complex, utilizing multiple different crystallographic phases, as well as specific heat treatments to reach the desired microstructure of the material and with it the desired usability and mechanical properties. So, to tailor the microstructure further for a specific process, it is imperative to first recreate the microstructure as a digital twin or shadow through the means of sRVE. These sRVEs are not accurate representations of images of the real microstructure, but instead apply statistical descriptions of the material to represent it virtually. Substantial progress was made in the precise recreation of the microstructures from the simple two-dimensional sRVE [3] towards more sophisticated approaches like newer versions of DREAM.3D (e.g. version 6.5.163) [4]. However even with the newer virtual microstructure construction algorithms lack the possibility to incorporate all features, as well as truly realistic grain shapes. Additionally, the input data for these statistically representative models has to be gathered from microstructure images. To then generate the input data necessary for a realistic sRVE, simple distribution functions are usually applied. However, this omits the fact that there are multiple interactions between the microstructure 2 parameters at work. In this work, these missing key components were developed to develop a method for accurate microstructure representation. The focus for this step was more on the input generation, while the microstructure representation was the key focus of a co-author. To allow for an optimization of the microstructure a coherent method must be developed. This is the aim of this work: To provide a method and pathway for efficient microstructure optimisation. Thus, the research hypothesis is as follows: For efficient microstructure optimisation, digital tools have to be applied and a thorough understanding of the microstructure and its effects has to be obtained. To develop and test the methods for microstructure optimisation, a use case was necessary. As the damage properties are of current interest to the field of material science the damage properties of a DP800 steel were examined. DP steel was chosen as this steel class has a complex enough microstructure to provide enough adjustable parameters, while being rather simple in regards of its mechanical properties and the way damage forms. This thesis then aims at filling in the gap of knowledge described before, by developing a method that is capable of quantifying the influence of individual parameters of a microstructure on the damage behaviour. To individually determine the influence of each separate microstructural feature it is mandatory to use a simulative approach. In this way, a method can be developed and tested that is suitable for efficient and effective microstructure design and optimisation. The clear-cut target is to describe the microstructure of the DP800 as accurately as possible and find influencing factors for the damage properties. In this way, the optimisation of steel microstructures for specific loading paths and use cases is supposed to be significantly enhanced and the advantages of the separate microstructures are then easily quantifiable. |l eng |
| 536 | _ | _ | |0 G:(GEPRIS)278868966 |a DFG project 278868966 - TRR 188: Schädigungskontrollierte Umformprozesse (278868966) |c 278868966 |x 0 |
| 536 | _ | _ | |0 G:(GEPRIS)390621612 |a DFG project 390621612 - EXC 2023: Internet of Production (IoP) (390621612) |c 390621612 |x 1 |
| 588 | _ | _ | |a Dataset connected to Lobid/HBZ |
| 591 | _ | _ | |a Germany |
| 700 | 1 | _ | |0 P:(DE-82)IDM00265 |a Münstermann, Sebastian |b 1 |e Thesis advisor |u rwth |
| 700 | 1 | _ | |0 P:(DE-82)IDM03963 |a Springer, Hauke Joachim |b 2 |e Thesis advisor |u rwth |
| 700 | 1 | _ | |0 P:(DE-82)IDM02269 |a Lian, Junhe |b 3 |e Thesis advisor |
| 787 | 0 | _ | |0 RWTH-2020-10163 |i RelatedTo |
| 787 | 0 | _ | |0 RWTH-2020-11475 |i RelatedTo |
| 787 | 0 | _ | |0 RWTH-2023-00479 |i RelatedTo |
| 856 | 4 | _ | |u https://publications.rwth-aachen.de/record/976112/files/976112.pdf |y OpenAccess |
| 856 | 4 | _ | |u https://publications.rwth-aachen.de/record/976112/files/976112_source.zip |y Restricted |
| 909 | C | O | |o oai:publications.rwth-aachen.de:976112 |p openaire |p open_access |p VDB |p driver |p dnbdelivery |
| 910 | 1 | _ | |0 I:(DE-588b)36225-6 |6 P:(DE-82)IDM02266 |a RWTH Aachen |b 0 |k RWTH |
| 910 | 1 | _ | |0 I:(DE-588b)36225-6 |6 P:(DE-82)IDM00265 |a RWTH Aachen |b 1 |k RWTH |
| 910 | 1 | _ | |0 I:(DE-588b)36225-6 |6 P:(DE-82)IDM03963 |a RWTH Aachen |b 2 |k RWTH |
| 914 | 1 | _ | |y 2023 |
| 915 | _ | _ | |0 StatID:(DE-HGF)0510 |2 StatID |a OpenAccess |
| 920 | 1 | _ | |0 I:(DE-82)522520_20140620 |k 522520 ; 522510 |l Lehrstuhl für Werkstoffmodellierung in der Umformtechnik |x 0 |
| 920 | 1 | _ | |0 I:(DE-82)520000_20140620 |k 520000 |l Fachgruppe Materialwissenschaft und Werkstofftechnik |x 1 |
| 980 | 1 | _ | |a FullTexts |
| 980 | _ | _ | |a I:(DE-82)520000_20140620 |
| 980 | _ | _ | |a I:(DE-82)522520_20140620 |
| 980 | _ | _ | |a UNRESTRICTED |
| 980 | _ | _ | |a VDB |
| 980 | _ | _ | |a phd |
| Library | Collection | CLSMajor | CLSMinor | Language | Author |
|---|