Datengetriebene Entwicklung eisenbasierter Metallischer Gläser für das Lichtbogendrahtspritzen

von Lukas Martin Johann

159 Seiten, Taschenbuch

Kurzbeschreibung des Verlags

Die vorliegende Dissertation verfolgt einen datengetriebenen Forschungsansatz zur Entwicklung nachhaltiger, eisenbasierter Metallischer Gläser. Dabei werden maschinelles Lernen mit experimenteller Validierung und der Anwendung in der Beschichtungstechnik verbunden. Aus wissenschaftlichen Publikationen wurde ein umfangreicher Datensatz kuratiert und systematisch analysiert. Innerhalb der Werkstoffklasse der eisenbasierten metallischen Gläser ließen sich fünf primäre Gruppen identifizieren. Auf dieser Grundlage wurden Künstliche Neuronale Netze trainiert, um die Glasbildungsfähigkeit auf Basis der chemischen Zusammensetzung vorherzusagen. Modellierung und Datenbasis wurden sukzessive verbessert und die Vorhersagen anhand von schmelzgeschleuderten metallischen Bändern thermophysikalisch validiert. Mit dieser Methodik wurden zwei Legierungen – Fe₇₄Si₁₂B₈C₄Nb₂ und Fe₇₂Si₁₂B₈C₄Nb₂Mo₂ – entwickelt, die eine hohe Glasbildungsfähigkeit und Härte aufweisen. Fülldrähte mit diesen Zielzusammensetzungen wurden mittels Lichtbogen- und Hochgeschwindigkeitslichtbogendrahtspritzen auf AlMgSi1-Substrate appliziert. Die Fülldrähte sind leicht zu verarbeiten und legieren in situ ohne Vorverarbeitung der Drahtfüllstoffe. Querschliffe der Beschichtungen wurden mittels Computer Vision Algorithmen automatisiert segmentiert, um Porosität und Füllstoffanteile zu quantifizieren. Tribologische Untersuchungen gegen einen Al₂O₃-Gegenkörper ergeben deutlich niedrigere Verschleißkoeffizienten als eine kommerzielle Referenzbeschichtung.

• Reihe: Schriftenreihe Oberflächentechnik
• Themen: Technologie, Ingenieurswissenschaft, Landwirtschaft, Industrieprozesse Maschinenbau und Werkstoffe
• ISBN: 9783819107573
• Sprache: Deutsch
• Erscheinungsdatum: 30.07.2026
• Größe: 21 x 14.8 cm
• Verlag: Shaker