A tanszéki Kompozitforgácsoló Csoport (CMG) legújabb kutatási eredményeit a Composites Part B: Engineering (IF = 9.078, D1) folyóirat publikálta. A cikk szabadon hozzáférhető és letölthető innen. A folyóirat a Clarivate Science Citation Index Expanded (Korábbi Web of Science) rangsoraiban mindkét érintett tudományterületen (Materials science, Composites és Engineering, Multidisciplinary) az első helyen áll 28 illetve 91 folyóirat között.
A publikált kutatómunkában Dr. Geier Norbert (elsőszerző), Dr. Póka György, Dr. Jacsó Ádám és Pereszlai Csongor kollégáink vettek részt. Olyan digitális képfeldolgozáson alapuló forgácsolásindukált sorja-predikciós módszert fejlesztettek ki vágott erősítőanyagú CFRP kompozitokhoz, amely egyedülállónak számít a világon, hiszen – az eddigi gyakorlattal ellentétben – már furatforgácsolás előtt becsülni lehet vele a sorjazónák lokációit és nagyságát. Ezzel a kompozitok fúrási folyamattervezése és optimalizálása várhatóan tovább hatékonyodik. A folyóiratcikk rövid kivonata alább olvasható:
Mechanical drilling-induced burr in carbon fibre reinforced polymer (CFRP) composites is one of the most significant macro-geometrical failures of CFRP composites; nevertheless, burr prediction in quasi-randomly oriented chopped fibre reinforced composites is not supported yet. To explore this issue, the main aim of the present research work was to develop a method to predict drilling-induced burrs in chopped CFRPs based on digital image processing. First, an indexable light source captured digital images of a chopped CFRP plate in different lighting conditions. Then, the fibre orientation of each visible chopped fibre group was determined in each image through digital image processing algorithms. These images were then associated based on the superposition principle. Finally, the burr-dangerous regions were predicted by the local properties of chopped fibres. The prediction accuracy of the algorithm is tested by drilling experiments in chopped CFRP plates using solid carbide drills. The experimental results show that the mechanical drilling-induced burr prediction accuracy is 64–97%. By applying the proposed method, burrs can be estimated without machining experiments in chopped CFRPs.
A kutatást az OTKA-PD20-134430 és ÚNKP-21-3-II-BME-3 projekt támogatta.