Eickhoff-Preise 2024 Simulation von Werkzeugverschleiß und Plasma-Oberfläche-Wechselwirkung
Zwei Doktorarbeiten aus den Fakultäten Elektrotechnik und Maschinenbau werden mit dem Preis ausgezeichnet.
Tunnelbaumaschinen verschleißen im Einsatz unter der Erde. Wie dieser Verschleiß im Detail aussieht, und was man tun könnte, um ihn zu vermeiden, untersuchte Dr. Dennis Wingender in seiner Dissertation anhand von Simulationen. Auf Simulationen setzte auch Dr. Tobias Gergs: In Mittelpunkt seiner Doktorarbeit standen jedoch die Wechselwirkungen zwischen einem Plasma und der es begrenzenden Oberfläche. Sie sind für Anwendungen wie zum Beispiel Beschichtungen von großer Bedeutung. Beide Forscher wurden für ihre herausragenden Arbeiten mit dem diesjährigen Gebrüder-Eickhoff-Preis ausgezeichnet. Der Preis wurde am 5. Juni 2024 übergeben.
Werkzeuge verschleißen im Kontakt mit dem Boden
Im maschinellen Tunnelbau werden für den Abbau weicher Böden Schälmesser eingesetzt. Sie bestehen aus einem metallischen Körper, der mit Aufschweißungen aus einem Metallmatrixkomposit bewehrt ist. „Mikroskopisch besteht dieser Werkstoff aus harten Carbiden, die in einer weicheren Metallmatrix eingebettet sind“, erklärt Dennis Wingender. Beim Abbau des Bodens verschleißen die Werkzeuge: Es bilden sich unter anderem feine Risse. In seiner Dissertation hat Wingender eine rechentechnisch effiziente Methode zur Simulation der Ausbreitung von Rissen auf der Mikroskale entwickelt, um diese Verschleißart zu untersuchen und die Mikrostruktur ihr gegenüber zu verbessern.
Maschinelles Lernen zur Skalenüberbrückung
Plasma-Oberflächen-Wechselwirkungen spielen bei den meisten Plasmaanwendungen wie etwa der plasmaunterstützten Katalyse oder Beschichtungsvorgängen eine wesentliche Rolle. „Die Zeit- und Längenskalen von Plasma und Oberfläche unterscheiden sich aber um mehrere Größenordnungen und verhindern somit eine einheitliche theoretische Beschreibung“, sagt Tobias Gergs. Plasma-Simulationen werden daher durch effektive Oberflächenmodelle ergänzt, die jedoch die grundlegenden atomaren Prozesse vereinfachen oder gar vernachlässigen. Eine Verallgemeinerung, die die atomare Genauigkeit bewahrt, kann durch maschinelles Lernen erreicht werden. In seiner Dissertation hat sich Gergs der Entwicklung und Überprüfung entsprechender Methoden gewidmet.