LuFo 6.2 RapidEF_enablers - Reduzierung der Entwicklungszeit eines neuen Flugzeugmusters durch signifikante Verkürzung des Zeitbedarfs eines EF Versuchs für den Ermüdungsnachweis

Schlussbericht für das Projekt

Loading...
Thumbnail Image

Editor

Advisor

Volume

Issue

Journal

Series Titel

Book Title

Publisher

Hannover : Technische Informationsbibliothek

Supplementary Material

Other Versions

Link to publishers' Version

Abstract

Das LuFo VI-2 Forschungsprojekt RapidEF_enablers verfolgte das Ziel, die Entwicklungszeit neuer Flugzeugmuster durch eine signifikante Beschleunigung von Ganzzellen-Ermüdungsversuchen von acht auf fünf Jahre zu verkürzen. Um dies zu erreichen, wurden innovative Methoden in drei Hauptarbeitspaketen entwickelt, die auf die Reduzierung der Rüstzeit, der Versuchslaufzeit und der Stillstandszeit abzielten. Im Bereich der Rüstzeitverkürzung wurde der Einsatz virtueller Sensoren auf Basis digitaler Zwillinge sowie großflächiger optischer Messsysteme untersucht, wobei sich zeigte, dass eine vollständige Ersetzung physischer Sensoren für die Zertifizierung komplexer Strukturen aufgrund der notwendigen Rechenleistung und spezifischer Parametersätze aktuell noch nicht möglich ist. Zur Verkürzung der Versuchslaufzeit wurde das Ziel einer Verdoppelung der Testgeschwindigkeit durch modellbasierte Vorsteuerungen und neuartige Regelalgorithmen verfolgt, die erfolgreich an einem speziell entwickelten Vielkanalprüfstand implementiert wurden, auch wenn physikalische Grenzen der aktuellen Hydraulik eine stabile Regelung in unmittelbarer Nähe der Resonanzfrequenz von etwa 5 Hz noch einschränken. Das dritte Arbeitspaket widmete sich der Reduktion von Stillstandszeiten um bis zu 80 % durch den Einsatz von Structural Health Monitoring (SHM) und zerstörungsfreien Prüfverfahren wie Thermographie und geführten Ultraschallwellen. Ein zentraler technologischer Erfolg war hierbei die Entwicklung statistischer Modelle zur Kompensation von Temperatur- und Lasteinflüssen bei der Schadensdetektion, die erfolgreich in einem Demonstrationsversuch an einer Rumpfschale validiert wurden. Trotz verbleibender Herausforderungen bei der praktischen Anwendung der Thermographie unter Langzeitbedingungen und der hydraulischen Ansteuerung schuf das Projekt durch die Vernetzung von Simulation, moderner Sensorik und KI-gestütztem Datenmanagement die technologische Basis für zukünftige Rapid-EF-Testkonzepte.


The LuFo VI-2 research project RapidEF_enablers, led by Airbus Operations GmbH, aimed to significantly reduce aircraft development cycles from approximately eight to five years by accelerating full-scale fatigue (EF) tests. The project focused on three main work packages designed to optimize setup times, test duration, and downtime. Regarding setup time reduction, the use of virtual sensors based on digital twins and large-scale optical measurement systems was investigated; however, the study concluded that fully replacing physical sensors for the certification of complex structures is not yet feasible due to current computational limitations and the requirement for load-case specific parameter sets. To shorten test duration, the project aimed to double testing speeds using model-based feedforward control and advanced algorithms implemented on a newly developed multi-channel test rig. While these algorithms were successfully integrated, hydraulic constraints currently prevent stable control close to resonance frequencies of 5 Hz for long, slender structures. For downtime reduction, a target of 80 % was set through the implementation of Structural Health Monitoring (SHM) and non-destructive testing methods such as thermography and guided ultrasonic waves. A significant technological milestone was the development of a statistical method to compensate for temperature and load variations during damage detection, which was validated in a large-scale demonstration test on a fuselage shell. Despite ongoing challenges with thermography under long-term testing conditions and high-dynamic hydraulic control, the project successfully established a technological foundation for Rapid EF by integrating simulation, innovative sensor technology, and AI-supported data management.

Description

Keywords GND

Conference

01.01.2022-30.11.2025

Publication Type

Report

Version

publishedVersion

License

Creative Commons Attribution-NonDerivs 3.0 Germany