Noch keinen Zugang? Dann testen Sie unser Angebot jetzt 3 Monate kostenfrei. Einfach anmelden und los geht‘s!
Angemeldet bleiben
Ausgewählte Ausgabe: 04-2017 Ansicht: Modernes Layout
| Artikelseite 3 von 6

Skin Model Shapes: ein neuer Ansatz zur Toleranzsimulation auf Basis von Punktwolken und Oberflächennetzen

3.3 Die Toleranzanalyse auf Basis von Skin Model Shapes

Sobald Punktwolken und Ober- flächennetze abweichungsbehafteter Bauteile erzeugt wurden, können diese für die Toleranzanalyse genutzt werden. Hierbei gliedert sich der Gesamtprozess zur Toleranzsimulation auf Basis von Skin Model Shapes in eine Pre-Processing, eine Processing und eine Post-Processing Phase (siehe Bild 2).

Bild 2 Der Ansatz zur Toleranzanalyse mit Skin Model Shapes

Bild 2
Der Ansatz zur Toleranzanalyse mit Skin Model Shapes

Während des Pre-Processing müssen die abweichungsbehafteten Bauteil- repräsentanten nach deren Erzeugung gesammelt und skaliert werden. Diese Skalierung ist nötig, um sicherzustellen, dass die erzeugten abweichungsbehafteten Bauteile auch den zu analysierenden Toleranzen entsprechen. Hierbei können verschiedenste Toleranzarten und Verteilungen (bspw. Normalverteilung oder Gleichverteilung) berücksichtigt und sowohl die Abhängigkeiten dieser Toleranzen im Falle mehrfach tolerierter Geometrieelemente als auch Bezugsreihenfolgen entsprechend geltender Toleranznormen, wie der ISO 1101 [10], abgebildet werden. Die entwickelten Ansätze zur Skalierung der Skin Model Shapes (siehe [11]) nutzen Verfahren der mathematischen Optimierung sowie Algorithmen zur Toleranzverifikation von Punktwolken aus Messsystemen.
Anschließend an die Skalierung der Skin Model Shapes wird in der Processing-Phase die Position einzelner Bauteile in der jeweiligen abweichungs- behafteten Baugruppe entsprechend der Montagereihenfolge simuliert. Hierzu kommen Ansätze zur Montagesimulation von Punktwolken und Oberflächennetzen zum Einsatz, die einerseits die Simulation klassischer 3–2–1-Ausrichtkonzepte sowie andererseits die simulative Abbildung von Best-Fit-Bedingungen erlauben [12]. Diese Verfahren nutzen ebenfalls mathematische Optimierungsmethoden sowie Ansätze der algorithmischen Geometrie, wie dem Ray-Tracing und der Berechnung konvexer Hüllen.
Darüber hinaus erfolgt für bewegte Systeme die Ermittlung der Montageposition zeitabhängig [7]. Hierbei können auch höherwertige Kontaktbedingungen in den Gelenken (bspw. bei Kurvengetrieben oder Zahnradpaarungen) berücksichtigt werden. Das Ergebnis sind hierbei abweichungsbehaftete Kurvenbahnen in Abhängigkeit von Drehwinkeln oder anderen zeitlich veränderbaren Größen.
Schließlich werden die vorher definierten qualitäts- oder funktionskritischen Maße der simulierten Baugruppen bestimmt. Hierfür kommen, ähnlich wie bei der Skalierung der individuellen Skin Model Shapes, Verfahren der algorithmischen Geometrie zum Einsatz. Hierdurch können beliebige Abstände sowie der Versatz oder die Verkippung zwischen Geometrie- elementen erfasst und ausgewertet werden.
Diese gemessenen Baugruppenmaße können entweder entsprechend einer Worst-Case-Betrachtung oder statistisch ausgewertet und in Histogrammen oder Schließmaßverläufen visualisiert werden. Zudem können die abweichungsbehafteten Baugruppen in Falschfarbendarstellungen gezeigt werden, wobei entweder die jeweiligen Bauteilabweichungen (siehe Bild 3, links) oder die akkumulierten Ab- weichungen in Bezug auf die Nominalbaugruppe (siehe Bild 3, rechts) eingefärbt werden können.
Bild 3 Visualisierung von Skin Model Shapes

Bild 3
Visualisierung von Skin Model Shapes

Seite des Artikels
Autoren

Dipl.-Wirtsch.-Ing. Benjamin Schleich

Lehrstuhl für Konstruktionstechnik
Friedrich-Alexander-Universität Erlangen-Nürnberg (FAU)
Martensstraße 9
91058 Erlangen
Tel.: 0 91 31/85-2 32 20
E-Mail: schleich@mfk.fau.de
www.mfk.fau.de

Prof. Dr.-Ing.  Sandro Wartzack

Lehrstuhlinhaber, Lehrstuhl für Konstruktionstechnik
FAU Erlangen-Nürnberg
Martensstr. 9
91058 Erlangen
Tel.: 0 91 31/85-2 32 16
E-Mail: klein@mfk.fau.de
www.mfk.fau.de

Verwandte Artikel

Berücksichtigung von Wechselwirkungen zwischen Abweichungen in der statistischen Toleranzanalyse