Forschungsprojekt MeLD bewilligt ‒ Maschinelles Lernen erhält Einzug in die Wälzlagerauslegung
Schwingungen können bei Wälzlagern zu einer Beeinflussung der Leistungsfähigkeit führen, wenn diese auf die Umgebung übertragen werden und Schäden hervorrufen. Damit sich die Dynamik des Wälzlagerkäfigs bewertet lässt, sind rechenintensive Mehrkörpersimulationen notwendig, die nur von Experten durchgeführt werden können. Ziel dieses Projektes ist es, das dynamische Verhalten von Käfigen einfach und zeiteffizient mithilfe von Machine Learning Algorithmen zu ermitteln. Die Algorithmen wurden dabei auf Basis zahlreicher, experimentell validierter Mehrkörpersimulationen trainiert. Die so beschriebene Käfigdynamik kann anschließend zur Optimierung des Käfigs für den spezifischen Auslegungsfall hinsichtlich Kriterien wie Reibungs- oder Schwingungsverhalten verwendet werden. Aufgrund ihrer Rechenzeiteffizienz eignen sich solche Algorithmen insbesondere auch für den Einsatz in Industrie 4.0 oder IoT. KTmfk kooperiert im Forschungsprojekt MeLD mit Firma Schaeffler Technologies AG & Co. KG. Das Projekt wird über einen Zeitraum von 2,5 Jahren durch die Bayerische Forschungsstiftung gefördert.