Bemessung von hybriden, geklebt geschraubten Verbindungen

In dieser Untersuchung wird die Tragfähigkeitsprognose von Hybridverbindungen unter Anwendung probabilistischer Methoden analysiert. Es werden vier verschiedene handelsübliche und baupraktisch relevante 2K‐Klebstoffe (DP460, SW7240, S370; alle 2K‐EP sowie SF479; 2K‐PU) untersucht. Die Ergebnisse heben hervor, dass der Klebstoff DP460 die höchste Durchschnittsfestigkeit aufweist, während SF479 die niedrigste hat, was den starken Einfluss der Klebstoffeigenschaften auf die Tragfähigkeit unterstreicht. Eine Weibull‐Verteilungsanalyse identifiziert die Variabilität der Klebstoffverbundfestigkeit und prognostiziert die Versagenswahrscheinlichkeit. Die Studie zeigt, dass ein bilineares Versagenskriterium die Prognosegenauigkeit steigert. Die Studie betont die Relevanz der genauen Messung von kritischen Parametern und die Praxistauglichkeit der angewandten probabilistischen Bemessungsmethode. Die Ergebnisse unterstreichen die zentrale Rolle der spezifischen Klebstoffeigenschaften und Versagenskriterien und befürworten die Anwendung probabilistischer Methoden zur Verbesserung der Prognosegenauigkeit und Entwicklung effizienterer Anwendungen.

This study analyses the load‐bearing capacity of hybrid joints using probabilistic methods. Four different commercially available and construction‐relevant 2 K adhesives (DP460, SW7240, SF479 and S370) are examined. The results highlight that DP460 has the highest average strength, while SF479 has the lowest, underscoring the strong influence of adhesive properties on load‐bearing capacity. A Weibull distribution analysis identifies the variability of adhesive strength and predicts the probability of failure. The study shows that a bilinear failure criterion increases the accuracy of predictions, especially for complex adhesives. The study emphasises the relevance of accurate measurement of critical parameters and the practicality of the probabilistic design method used. The results underline the central role of adhesive properties and failure criteria and support the use of probabilistic methods to improve prediction accuracy and develop more efficient applications.