Vorhersage des Verschleißverhaltens von AZ31/TiC-Verbundwerkstoffen, hergestellt mittels ultraschallunterstützter Reibreibbearbeitung, mit maschinellen Lernmodellen

Warum zähere Leichtmetalle zählen

Von Autos bis zu Laptops wollen Hersteller schwere Stahlteile durch leichtere Metalle ersetzen, um Kraftstoff und Energie zu sparen. Magnesium ist eines der leichtesten strukturellen Metalle, die heute verwendet werden, kann aber bei gleitender Beanspruchung zu schnell verschleißen. Diese Studie untersucht eine neue Methode, eine gebräuchliche Magnesiumlegierung zu härten, und nutzt moderne Datentools, um vorherzusagen, wie lange sie hält. Die Ergebnisse geben Einblick, der Designern helfen kann, leichtere Maschinen zu bauen, ohne die Zuverlässigkeit zu opfern.

Ein stärkeres Metallrezept entwickeln

Die Forscher konzentrierten sich auf eine Legierung namens AZ31, ein alltägliches Magnesiumwerkstoff, und mischten sie mit sehr harten Keramikpartikeln aus Titancarbid. Diese winzigen Partikel wirken wie Kies im Beton und helfen dem weichen Metall, höhere Lasten zu tragen, ohne auseinandergerissen zu werden. Das Team fügte eine relativ hohe Menge von 15 Volumenprozent hinzu und verglich dann zwei Verfahren, um diese Partikel mittels eines rotierenden Werkzeugs in die Oberfläche der Legierung einzurühren: eine Standardmethode und eine Variante, die während der Bearbeitung hochfrequente Vibrationen zuschaltet.

Das Metall mit Schall formen

Bei der vibrationsunterstützten Methode breiten sich Ultraschallwellen in das Metall aus, während das rotierende Werkzeug rührt. Dieses zusätzliche Rütteln lässt die schmelzartige Zone gleichmäßiger fließen, zerteilt Klumpen und schließt Hohlräume. Mikroskopische Aufnahmen zeigten, dass mit Vibration die Titancarbidpartikel deutlich gleichmäßiger verteilt waren und Poren stark reduziert wurden. Auch die Metallkörner wurden wesentlich feiner, ähnlich wie grober Zucker zu Puderzucker wird. Diese verfeinerte und homogenere Struktur ist entscheidend dafür, die Oberfläche härter und widerstandsfähiger gegen Beschädigung zu machen.

Die neue Oberfläche auf die Probe stellen

Um zu prüfen, wie sich diese behandelten Oberflächen im Einsatz verhalten, führten die Forscher Trockengleitverschleißtests durch: Stifte aus der Legierung beziehungsweise dem Verbundmaterial wurden mit unterschiedlicher Last und Geschwindigkeit gegen eine rotierende Stahlscheibe gepresst. Sie beobachteten, wie sich die Reibkraft änderte, und wogen die Proben vor und nach dem Test, um den Materialverlust zu messen. Die reine Magnesiumlegierung zeigte die höchste Reibung und verschliss am schnellsten, besonders bei hohen Lasten. Das Hinzufügen von Titancarbidpartikeln verbesserte die Leistung, doch die vibrationsbehandelten Proben waren am besten und reduzierten den Verschleiß bei mittleren Lasten um etwa ein Viertel und unter den härtesten Bedingungen um bis zu die Hälfte.

Wie die Oberfläche versagt

Mikroskopische Ansichten der verschlissenen Bahnen zeigten, wie sich der Schaden entwickelte. Bei geringen Lasten zeigte die Grundlegierung Riefen und oxidierte Rückstände, eine Mischung aus milden Kratzern und Oberflächenoxidation. Mit zunehmender Last begann die Oberfläche stark zu reißen und sich zu verformen. In den Verbundwerkstoffen, insbesondere den mit Vibration hergestellten, waren die Riefen flacher und gleichmäßiger. Die harten Partikel blieben im Metall verankert, halfen, die Last zu tragen, und wirkten wie mikroskopische Rollkörper, die den direkten Metall-auf-Metall-Kontakt reduzierten. Diese Kombination aus höherer Härte, feinen Körnern und stabilen Partikeln verschob den Verschleiß eher in Richtung schonender Abrasion statt schwerer Aufreißschäden.

Maschinen aus Daten lernen lassen

Über die Labortests hinaus trainierten die Autoren mehrere Modelle des maschinellen Lernens, um die spezifische Verschleißrate aus einfachen Eingaben vorherzusagen: welches Material verwendet wurde, wie stark es belastet wurde und wie schnell es gleitete. Unter den getesteten Standardmethoden erzielte ein Gradient-Boosting-Modell eine sehr hohe Übereinstimmung mit den gemessenen Ergebnissen, während einfachere lineare Modelle nicht mithalten konnten. Die Analyse zeigte außerdem, dass die Materialwahl mit Abstand den größten Einfluss auf den Verschleiß hatte, gefolgt von der Last; die Gleitschnelligkeit spielte im getesteten Bereich eine geringere Rolle.

Welche Bedeutung das für reale Bauteile hat

Kurz gesagt zeigt die Studie, dass das gezielte Einmischen harter Partikel in ein Leichtmetall und das mittels Schall unterstützte Rühren dessen Oberfläche deutlich verschleißfester machen kann. Auf diese Weise behandelte Komponenten können unter höheren Lasten mit weniger Reibung und langsamerem Materialverlust betrieben werden, was insbesondere für Automotive- und andere gewichts-sensitive Anwendungen wertvoll ist. Gleichzeitig können datengetriebene Modelle das Verschleißverhalten zuverlässig vorhersagen, ohne jeden Versuch zu wiederholen, und geben Ingenieuren ein praktisches Werkzeug an die Hand, Designs rechnerisch zu erkunden, bevor Metall bearbeitet wird.

Zitation: Kumar, T.S., Shalini, S., Petrů, J. et al. Predicting wear behavior of AZ31/TiC composites produced via ultrasonic vibration assisted friction stir processing using machine learning models. Sci Rep 16, 14858 (2026). https://doi.org/10.1038/s41598-026-44372-0

Schlüsselwörter: Verschleiß von Magnesiumlegierungen, Titancarbid-Verbundstoff, ultraschallunterstützte Reibreibbearbeitung, Verschleißvorhersage mit maschinellem Lernen, Tribologie