details_view: 2172 von 6833

 

Verbundvorhaben: Func2Ad - Funktionalisierte, multiphysikalisch optimierte Klebstoffsysteme für die inhärente Strukturüberwachung von Rotorblättern, Teilvorhaben: Industrielle Fertigung partikelmodifizierter Klebeharze sowie Probekörper- und Bauteilherstellung mit In-situ-Analyse von Materialeigenschaften

Zeitraum
2023-01-01  –  2025-12-31
Bewilligte Summe
130.104,79 EUR
Ausführende Stelle
Zeisberg Carbon GmbH, Hannover, Niedersachsen
Förderkennzeichen
03EE3069E
Leistungsplansystematik
Windenergieanlagen - Rotoren, Rotorblätter [EB1211]
Verbundvorhaben
01247947/1  –  Func2Ad - Funktionalisierte, multiphysikalisch optimierte Klebstoffsysteme für die inhärente Strukturüberwachung von Rotorblättern
Zuwendungsgeber
Bundesministerium für Wirtschaft und Klimaschutz (BMWK.IIB5)
Projektträger
Forschungszentrum Jülich GmbH (PT-J.ESE3)
Förderprogramm
Energie
 
Im Rahmen des Projektes Func2Ad sollen neuartige funktionalisierte und partikelmodifizierte Klebeharze sowie geeignete industrielle Fertigungs- und Applikationsstrategien entstehen. Diese Zielsetzung lässt sich in drei Bausteine aufgliedern: 1. Strukturüberwachung der Bauteile in Fertigung und Lebenszeit durch Funktionalisierung des Klebeharzsystems mittels Partikelzusatz 2. Optimierte Prozesseigenschaften im Dreieck Glasübergangstemperatur, Exothermie und Topfzeit durch Einstellen der Wärmeleitfähigkeit und reduzierte Eigenspannungen 3. Erhöhung der Lebensdauer und Betriebsfestigkeit von Klebeverbindungen durch partikelmodifizierte Klebeharze Das Teilprojekt von Zeisberg Carbon fokussiert sich dabei auf den industriellen Fertigungsprozess eines funktionalisierten Klebeharzes sowie dessen Applikation in Abhängigkeit von der Klebestellengeometrie und Umgebungsrandbedingungen. Die Strukturüberwachung, die effiziente industrielle Fertigung sowie ein Bemessungswerkzeug, generiert aus Metadaten in Versuchen integrierter Impedanz- und Temperatur-Sensorik, stellen dabei die Hauptinnovationen dar. Durch Prüfungen der mechanischen, thermischen und elektrischen Eigenschaften in Versuchsreihen sollen die Klebstoffe optimiert und multiphysikalische sowie mehrskalige Berechnungsmodelle mittels maschinellen Lernens validiert werden.