Kopplung quasistatischer Zahnkontaktsimulationen mit transienten thermo-elastohydrodynamischen Simulationen zur Vorhersage der Grübchentragfähigkeit mit Beschleunigung durch Methoden des Maschinellen Lernens

Ziel des Projektes ist, das Versagensbild Grübchen an Zahnrädern durch eine umfassende Untersuchung der Einflussfaktoren auf numerischer und experimenteller Basis näher zu untersuchen. Für Grübchen muss es weiterführende Wirkmechanismen als die bisher in Normen und Richtlinien berücksichtigte Pressung geben, da die maximale Pressung bei korrigierten Zahnrädern in der Mitte der Flanke erreicht wird, dort jedoch nur selten erste Grübchen entstehen. Bisher kann das Schadensbild des Grübchens nicht in der Komplexität seiner Einflüsse erfasst werden. Es werden verschiedene Vereinfachungen getroffen, die durch das vorliegende Projekt angegangen werden: ein homogenes Werkstoff- und Schmierstoffmodell, globale Werkstoff- und Schmierstoffeigenschaften, ein vereinfachtes Reibungs- und Schmierungsmodell, Einzeltragfähigkeiten für Grübchen und Flankenbruch, sowie eine vereinfachte Geometrie ohne Berücksichtigung der realen Topographie und Rauheiten.
Grundidee des Vorhabens ist es, den Nachweis gegen das Auftreten von Grübchen hinsichtlich der vorliegenden Schadensmechanismen mit zeitgemäßen Methoden so nah wie möglich an der tatsächlichen Physik zu führen. Innerhalb des Vorhabens erfolgt zunächst eine Beschränkung auf gerad- und schrägverzahnte Stirn- und bogenverzahnte Kegelradpaarungen. Die Methoden sollen aber so entwickelt werden, dass eine spätere Überführung auf weitere Verzahnungsarten möglich ist.
Teilziele des Forschungsvorhabens:
- Physikalisch fundierte Identifikation und Wichtung relevanter Einflussgrößen
- Genauere Berechnung der lokalen Grübchentragfähigkeit durch Kopplung einer bewährten lokalen Zahnkontaktsimulation (BECAL) mit einem transienten thermo-elastohydrodynamischen 3D-Modell für den tribologischen Kontakt (TEHD)
- Effiziente und schnelle Berechnung der lokalen Grübchentragfähigkeit im Auslegungsprozess durch Anwendung von Methoden des Maschinellen Lernens