ProVeS

Schlagworte

Structural Health Monitoring, Predictive Maintenance, Machine Learning, Sensorintegration, CFK Felge

Problemstellung

Masse und Steifigkeit von Fahrzeugfelgen haben großen Einfluss auf wichtige fahrdynamische Eigenschaften und den Kraftstoffverbrauch. Da Felgen gleichzeitig besonders sicherheitsrelevant sind, wird das Leichtbaupotential oft nicht ausgenutzt. So führen hohe Sicherheitsfaktoren gegen Versagen in der Auslegung zu Gewichtsmehrungen.

Zielstellung

Um hohe Sicherheitsfaktoren zu vermeiden, sollen in einer neuartigen Leichtbaufelge Schäden rechtzeitig mithilfe eines integrierten Sensorsystems detektiert und beurteilt werden. Im Rahmen des Forschungsprojekts ProVeS soll eine CFK-Leichtbaufelge mit integrierter Sensorik und entsprechenden Auswertealgorithmen entworfen und optimiert werden. Die Gestaltung von Form und Lagenaufbau muss die Einschränkungen durch Fertigung und Integration eines Sensorsystems berücksichtigen. Die vorliegende Sensorik soll derart integriert werden, dass über Messdaten jegliche Form von kritischer Schädigung detektiert werden kann.

Vorgehen

Durch den Vergleich von FEM-Simulationen der definierten Lastfälle von sowohl ungeschädigten, als auch vorgeschädigten Felgen, soll eine optimale Sensoranordung ermittelt werden. Messkampagnen validieren die Simulationen einerseits, und generieren andererseits Trainingsdaten für die Auswertealgorithmen.

Projektpartner

SemsoTec GmbH

Projektförderer

Projektträger Jülich (Projektträger für das Bundesministerium für Wirtschaft und Klimaschutz)

Laufzeit

07/2021 - 06/2024