Tribologische Wechselwirkungen zwischen amorphen Kohlenstoffschichten und Schmierölen am Beispiel hochbeanspruchter Ventiltriebskomponenten
Um Reibung und Verschleiß zu reduzieren, werden im Ventiltrieb zunehmend amorphe Kohlenstoffschichten eingesetzt. Dabei hängt die Leistungsfähigkeit dieser Beschichtungen vom Zusammenspiel aller Elemente des Systems ab. Diese Wechselwirkungen sind jedoch sehr komplex und somit nur durch hohen experimentellen Aufwand optimierbar. Daher soll mittels geeigneter Methoden der virtuellen Produktentwicklung eine Vorhersage von Reibung und Verschleiß ermöglicht werden.
von Edgar Schulz, Yashar Musayev, Stephan Tremmel, Tim Hosenfeldt, Sandro Wartzack, Harald Meerkamm
Die Reduzierung von Reibung und Verschleiß in hochbeanspruchten Kontakten von Verbrennungsmotoren erlangt zunehmend Bedeutung im Hinblick auf Kraftstoffverbrauch, CO2-Emission und Lebensdauer. Daher werden z. B. im Ventiltrieb verstärkt amorphe Kohlenstoffschichten engesetzt. In solchen tribologischen Systemen interagieren Grundkörper, Gegenkörper, Beschichtung, Zwischenstoff und Umgebungsmedium auf vielfältige Weise miteinander (Abb. 1). Zwischen Grund- und Gegenkörper treten Reibungsmechanismen wie Adhäsion, plastische Deformation, Furchung, elastische Hysterese und Dämpfung sowie die Verschleißmechanismen Oberflächenzerrüttung, Abrasion, Adhäsion und Scherung, als auch tribochemische Reaktionen auf. Diese Mechanismen überlagern sich in den zeitlich und räumlich nicht erfassbaren realen Kontakten. Hochadditivierte Schmierstoffe, die gerade bei hoch belasteten Motorenelementen eingesetzt werden, nehmen zusätzlich Einfluss auf tribochemische Reaktionen innerhalb und außerhalb des tribologischen Kontakts.
Aufgrund dieser vielfältigen Wechselwirkungen gestaltet sich das Verhalten solcher Tribosysteme als sehr komplex, was dazu führt, dass die theoretische Vorhersage von Reibung und Verschleiß derzeit kaum möglich ist. Daher werden während der Entwicklung bzw. Optimierung von tribotechnischen Systemen experimentelle Untersuchungen meist auf der Basis von Erfahrungswissen einzelner Mitarbeiter durchgeführt. Dabei steht in der Regel nur ein einzelnes Maschinenelement oder sogar ausschließlich die Beschichtung im Fokus. Im Idealfall werden diese Untersuchungen auf Prüfständen, die dem realen System möglichst nahe kommen, zum Beispiel auf einem geschleppten Ventiltriebprüfstand, durchgeführt, um das Verhalten des jeweiligen Maschinenelements bzw. der Beschichtung unter realen Randbedingungen zu untersuchen. Solche Versuche sind jedoch mit hohem Kosten und Zeitaufwand verbunden. Dies führt dazu, dass häufig abstrahierte, kosten- und zeitgünstigere Bauteil- oder Modellversuche (z.B. Stift-Scheibe, Kugel-Scheibe) eingesetzt werden, die jedoch nur eine sehr begrenzte Übertragbarkeit auf die Anwendung bieten. Um mit solchen empirischen Methoden einen „Beschichtungsbaukasten“ zur gezielten Auswahl der bestgeeigneten Kombination aus Beschichtung, Schmierstoff und Gegenkörpermaterial entwickeln zu können, ist also ein immenser experimenteller, finanzieller und zeitlicher Aufwand nötig. Daher soll mittels geeigneter Methoden z. B. aus den Disziplinen der Statistik, Künstlichen Intelligenz sowie dem maschinellen Lernen (Data Mining) eine Vorhersage des Reibungs- und Verschleißverhaltens ermöglicht werden. Hierdurch können Entwicklungszeiten sowie der Umfang teuerer tribologischer Prüfungen reduziert werden. Dies wird im Folgenden exemplarisch für den Kontakt Nocke/beschichteter Tassenstößel dargestellt.
