KIT | KIT-Bibliothek | Impressum | Datenschutz

Experimental and Data-driven Workflows for Microstructure-based Damage Prediction

Durmaz, Ali Riza ORCID iD icon 1,2
1 Institut für Angewandte Materialien – Zuverlässigkeit und Mikrostruktur (IAM-ZM), Karlsruher Institut für Technologie (KIT)
2 Fakultät für Maschinenbau (MACH), Karlsruher Institut für Technologie (KIT)

Abstract:

Materialermüdung ist die häufigste Ursache für mechanisches Versagen. Die Degradationsmechanismen, welche die Lebensdauer von Bauteilen bei vergleichsweise ausgeprägten zyklischen Belastungen bestimmen, sind gut bekannt. Bei Belastungen im makroskopisch elastischen Bereich hingegen, der (sehr) hochzyklischen Ermüdung, bestimmen die innere Struktur eines Werkstoffs und die Wechselwirkung kristallografischer Defekte die Lebensdauer. Unter diesen Umständen sind die inneren Degradationsphänomene auf der mikroskopischen Skala weitgehend reversibel und führen nicht zur Bildung kritischer Schädigungen, die kontinuierlich wachsen können. ... mehr

Abstract (englisch):

Materials fatigue poses the most frequent cause of mechanical failure. The degradation mechanisms that dictate component life at comparatively large cyclic loads are well known. In contrast, when loads in the macroscopically elastic range are concerned, the so-called (very) high-cycle fatigue regime, the inner structure of a material, and crystallographic defect interactions therein govern the service life. Under these circumstances, the internal degradation phenomena at the microscopic scale are largely reversible or do not culminate in the formation of critical damage instances which can undergo continued growth. ... mehr


Volltext §
DOI: 10.5445/IR/1000158121
Veröffentlicht am 25.04.2023
Cover der Publikation
Zugehörige Institution(en) am KIT Institut für Angewandte Materialien – Werkstoff- und Grenzflächenmechanik (IAM-MMI)
Institut für Angewandte Materialien – Zuverlässigkeit und Mikrostruktur (IAM-ZM)
Publikationstyp Hochschulschrift
Publikationsdatum 25.04.2023
Sprache Englisch
Identifikator KITopen-ID: 1000158121
Verlag Karlsruher Institut für Technologie (KIT)
Umfang xii, 118 S.
Art der Arbeit Dissertation
Fakultät Fakultät für Maschinenbau (MACH)
Institut Institut für Angewandte Materialien – Zuverlässigkeit und Mikrostruktur (IAM-ZM)
Prüfungsdatum 31.01.2023
Schlagwörter Materials, Fatigue, Microstructure, Machine learning, Workflow
Referent/Betreuer Gumbsch, Peter
Eberl, Christoph
Kirchlechner, Christoph
KIT – Die Forschungsuniversität in der Helmholtz-Gemeinschaft
KITopen Landing Page