Machine-Learning Ansatz zur Vorhersage des Umformverhaltens thermoplastischer Faserkunststoffverbunde auf Basis von Krümmungsdaten

Der Einsatz thermoplastischer Faserkunststoffverbunde gewinnt in der industriellen Fertigung zunehmend an Bedeutung. Die vorliegende Arbeit untersucht einen Machine-Learning Ansatz zur Vorhersage des Umformverhaltens thermoplastischer Faserkunststoffverbunde im Thermoforming-Prozess. Grundlage bildet eine systematisch entwickelte, krümmungsbasierte Trainingsdatenbasis mit simulationsgestützten Scherwinkelverteilungen.

Analysiert werden verschiedene datenbasierte Vorhersagemodelle sowie moderne Multi-Input-Multi-Task-Ansätze zur Integration zusätzlicher Prozessparameter. Ziel ist eine präzisere Prognose von Scherwinkeln und Umformeigenschaften komplexer Gewebe-Prepregs.

Das Buch richtet sich an Fachleute und Forschende aus den Bereichen Kunststofftechnik, Thermoforming, Machine Learning und simulationsgestützte Fertigung.