Bestimmung der Parameter einer materiellen Konstitutivbeziehung mithilfe eines Surrogatmodells zusammen mit dynamischem Eindrücktest

Warum es wichtig ist, Metall mit einem winzigen Hammer zu treffen

Von Autos und Flugzeugen bis zu Schutzkleidung verlassen sich moderne Produkte auf Metalle, die plötzliche Schläge, Explosionen oder Unfälle überstehen können. Ingenieure müssen genau wissen, wie diese Werkstoffe reagieren, wenn sie schnell getroffen und erwärmt werden, doch die üblichen Laborverfahren dafür sind teuer, langsam und technisch aufwendig. Diese Studie zeigt, wie ein einfacher, punktförmiger Eindrücktest – ähnlich einem Härteversuch – kombiniert mit intelligenter Computermodelle die wesentlich komplexere Ausstattung ersetzen kann und dennoch offenlegt, wie ein Metall unter extremen Bedingungen reagiert.

Ein einfacherer Weg, harte Bedingungen zu erforschen

Wenn ein Metall sehr schnell getroffen wird, hängt sein Widerstand gegen Verformung nicht nur davon ab, wie stark es gedrückt wird, sondern auch davon, wie schnell und wie heiß es wird. Physiker fassen dieses Verhalten in mathematischen Formeln zusammen, die als Materialmodelle bezeichnet werden und mehrere numerische Konstanten enthalten, die gemessen werden müssen. Üblicherweise stammen diese Konstanten aus spezialisierten Hochgeschwindigkeitstests mit einem Gerät namens Split‑Hopkinson‑Druckstab, das Spannungswellen durch Metallproben schickt und sorgfältige Ausrichtung, Kalibrierung und teure Hardware erfordert. Die Autoren wollten diese Komplexität umgehen, indem sie stattdessen dynamische Eindrückung verwendeten: Ein kleiner Schlagkörper treibt einen spitzen Eindringkörper in die Oberfläche einer Stahlprobe, während aufgezeichnet wird, wie sich die Kraft verändert, wenn der Eindringkörper eindringt.

Vom Einschlagabdruck zu den verborgenen Materialgesetzen

In ihrem maßgeschneiderten Versuchsaufbau feuert ein gasbetriebener Abwurfapparat einen Stahlprojektile ab, das seine Energie über ein Projektil auf einen konischen Eindringkörper überträgt, der die Probe berührt. Sensoren unter dem Werkstück messen die Aufprallkraft über die Zeit, während ein Wegsensor verfolgt, wie tief der Eindringkörper eindringt. Die Kombination dieser Signale liefert eine Last‑Tiefen‑Kurve, die charakterisiert, wie die Oberfläche während des kurzen Einschlags zurückdrückt. Das Team führte solche Tests an einer Stahllegierung bei vier verschiedenen Aufprallgeschwindigkeiten und vier Temperaturen durch, die Bedingungen von Raumtemperatur bis 200 °C und von moderaten bis sehr hohen Verformungsgeschwindigkeiten abdecken. Diese Kurven dienen als experimentelle Fingerabdrücke, die das Materialmodell reproduzieren muss.

Simulationen und Surrogatmodelle übernehmen die schwere Arbeit

Um diese Fingerabdrücke mit den zugrunde liegenden Materialgesetzen zu verknüpfen, bauten die Forscher eine detaillierte Computersimulation des Eindrückvorgangs mit einer gängigen ingenieurtechnischen Software. In der Simulation nahmen sie an, dass das Metall dem Zerilli–Armstrong‑Modell folgt, einer weit verbreiteten Formel für Metalle unter Aufprall, die die Effekte von Dehnung, Dehnungsgeschwindigkeit und Temperatur beinhaltet. Das Problem ist, dass dieses Modell mehrere unbekannte Konstanten enthält. Statt jede mögliche Kombination direkt zu testen – was eine enorme Anzahl an Simulationen erfordern würde – griffen sie auf Surrogatmodellierung zurück. Zunächst sampelten sie 36 verschiedene Sätze möglicher Konstanten und führten für jeden eine Simulation durch, wobei sie maßen, wie weit die simulierte Last‑Tiefen‑Kurve von der realen abwich. Diese Ergebnisse nutzten sie, um ein Surrogat zu trainieren: ein kostengünstiges mathematisches Stellvertretermodell, das annähert, wie der Fehler von den Modellkonstanten abhängt. Ein Partikelschwarm‑Optimierungsalgorithmus durchsuchte dann diese Surrogatlandschaft, um den Satz von Konstanten zu finden, der die Experimente am besten nachbildet.

Abgleich mit traditionellen Tests und anderen intelligenten Werkzeugen

Um zu überprüfen, dass dieser vereinfachte Ansatz tatsächlich funktioniert, verglichen die Autoren ihre Ergebnisse mit unabhängigen Daten aus konventionellen Hopkinson‑Stab‑Experimenten an demselben Stahl bei denselben Aufprallraten und Temperaturen. Mit den optimierten Zerilli–Armstrong‑Konstanten sagten sie vollständige Spannungs‑Dehnungs‑Kurven voraus und stellten fest, dass diese sehr gut mit den Hopkinson‑Messungen übereinstimmten. Sie wiederholten die Übung außerdem mit zwei anderen Strategien: einer konventionelleren Optimierung basierend auf einer quadratischen Näherung kombiniert mit einem genetischen Algorithmus und einem künstlichen neuronalen Netzwerk, das darauf trainiert wurde, die Konstanten vorherzusagen. Das Surrogatmodell und die genetische Algorithmus‑Methode lieferten nahezu identische Materialkonstanten und sehr ähnliche Fehler, während das neuronale Netzwerk ebenfalls gut abschnitt, aber leicht größere und stärker gestreute Abweichungen zeigte.

Was das für die Praxis bedeutet

Einfach gesagt zeigt die Studie, dass ein relativ einfacher Aufprall‑Eindrücktest in Kombination mit numerischer Simulation und einem surrogatbasierten Optimierer zuverlässig ermitteln kann, wie ein duktiles Metall auf schnelles Laden und Wärme reagiert – Informationen, die früher spezialisierte wellenbasierte Geräte erforderten. Die Methode benötigt nur kleine Proben, kann prinzipiell direkt an realen Bauteilen angewendet werden und deckt ein breites Spektrum an Belastungsraten und Temperaturen ab. Für Ingenieure bietet dies eine schnellere und kostengünstigere Möglichkeit, präzise digitale Modelle von Metallen für Fahrzeuge, Strukturen und Schutzsysteme zu erstellen und so sicherere Konstruktionen zu ermöglichen, ohne die Last aufwändiger Hochgeschwindigkeitsprüfstände.

Zitation: Majzoobi, G.H., Pourolajal, S. Determination of the parameters of a material constitutive relation using the surrogate model along with dynamic indentation test. Sci Rep 16, 9269 (2026). https://doi.org/10.1038/s41598-025-06192-6

Schlüsselwörter: dynamische Eindrückung, Surrogatmodellierung, Metalle mit hoher Dehngeschwindigkeit, Materialcharakterisierung, Spannungs‑Dehnungs‑Verhalten