TY - CONF A1 - Friedrich, Alexander A1 - Zhang, Tianyun A1 - Heckel, Thomas A1 - Casperson, Ralf T1 - Simulation von Ultraschall- und Wirbelstromprüfdaten für die Schienenprüfung N2 - Im Rahmen des Forschungsprojekts "Artificial Intelligence for Rail Inspection" (AIFRI) wird ein KI-Algorithmus entwickelt, um die Fehlererkennung und Bewertung bei der Auswertung von Schienenprüfungen mittels Ultraschall- und Wirbelstromprüfverfahren zu verbessern. Die Bandbreite möglicher Defekte und die Menge an Einflussgrößen auf die Schienenprüfung ist sehr groß, aber die Prüfdaten aus dem Feld bilden diese Bandbreite nicht balanciert ab und sind unzureichend gelabelt. Durch Simulationen werden große Mengen detailliert gelabelter Daten für relevante Schienenschädigungen und Artefakte bereitgestellt. Aus diesen Daten werden wiederum virtuellen Prüffahrten erstellt, die für das Training und die Validierung der KI genutzt werden können. In unserem Vortrag stellen wir den Erstellungsprozess der Datensätze vor. Jeder Schritt von der Geometriedarstellung bis zur Datenverarbeitung wird erfasst. Der Fokus wird auf Simulationsergebnisse und deren Verarbeitung gelegt. Die Signalverarbeitung spielt in den Datensätzen eine große Rolle, dabei werden die Datensätze an die realen Daten angepasst. Für Wirbelstrom und Ultraschall werden diese Prozesse im Hinblick auf die Fehlertypen Head Checks und Bohrungsanrisse veranschaulicht. Ferner diskutieren wir die Simulation von Schweißnähten, die von beiden Prüfsystem detektiert werden können; und somit besondere Abstimmung bedürfen aber auch Synergieeffekte zwischen den Prüfsystem ermöglichen. Für die Ablage der Datensätze verweisen wir auf das ebenfalls eingereichte Poster „Verwendung von DICONDE bei der Eisenbahn-Schienenprüfung“. Das Projekt AIFRI wird im Rahmen der Innovationsinitiative mFUND unter dem Förderkennzeichen 19FS2014 durch das Bundesministerium für Digitales und Verkehr gefördert. T2 - DGZfP-Jahrestagung 2024 CY - Osnabrück, Germany DA - 06.05.2024 KW - Wirbelstrom KW - Ultraschall KW - Simulation KW - Machine Learning PY - 2024 AN - OPUS4-60138 LA - deu AD - Bundesanstalt fuer Materialforschung und -pruefung (BAM), Berlin, Germany ER - TY - CONF A1 - Zhang, Tianyun A1 - Friedrich, Alexander A1 - Heckel, Thomas A1 - Casperson, Ralf T1 - Verifikation von Ultraschall- und Wirbelstromsimulationen bei der Schienenprüfung N2 - Im Rahmen des Forschungsprojekts "Artificial Intelligence for Rail Inspection" (AIFRI) wird ein KI-Algorithmus entwickelt, um die Fehlererkennung und Bewertung bei der Auswertung von Schienenprüfungen mittels Ultraschall- und Wirbelstromprüfverfahren zu verbessern. Je nach Prüfverfahren werden relevante Schienenschädigungen (z. B. Head Checks) und Artefakte (z. B. Bohrungen) entsprechend analysiert und in einem parametrisierbaren digitalen Zwilling abgebildet, um anschließend die KI-Algorithmen trainieren zu können. Mit der Simulation können Prüffahrten virtuell durchgeführt und Schadensbilder für das KI-Training erzeugt werden, die das Verhalten komplexer Systeme reproduzieren, ohne dass das reale System benötigt wird. Die Modellannahmen sind dabei von erheblicher Bedeutung, denn unzureichende Modellannahmen führen leicht zu falschen Simulationsergebnissen. Um die Ergebnisse einer Simulation ordnungsgemäß darstellen zu können, ist das Simulationsmodell selbst zu überprüfen. Die Vollständigkeit, Richtigkeit und Genauigkeit der Simulationsergebnisse werden anhand von realen Prüfungen verifiziert. Für die Verifikation der Ultraschallsimulation werden hier Stegbohrungen als Referenzreflektoren herangezogen. Als Testkörper stehen Schienensegmente mit unterschiedlichen Profiltypen sowie speziell angefertigte Testkörper mit schienenähnlicher Geometrie zur Verfügung. In den Testkörpern befinden sich künstliche und reale Schädigungen in Kopf-, Steg- und Fußbereich, sowie Bohrungen mit Nuten. Die Validierung der Wirbelstromsimulation erfolgt an Testkörpern, die aus Schienenköpfen gefertigt sind. Dabei werden die Signale für unterschiedliche Nuttiefen und Nutenpaare mit unterschiedlichen Abständen untersucht. Für die Modellierung der Simulationsergebnisse verweisen wir auf das ebenfalls eingereichte Poster „Simulation von Ultraschall- und Wirbelstromprüfdaten für die Schienenprüfung“. Das Projekt AIFRI wird im Rahmen der Innovationsinitiative mFUND unter dem Förderkennzeichen 19FS2014 durch das Bundesministerium für Digitales und Verkehr gefördert. T2 - 13. Fachtagung ZfP im Eisenbahnwesen CY - Erfurt, Germany DA - 12.03.2024 KW - Ultraschallprüfung KW - Simulation KW - Schienenprüfung PY - 2024 AN - OPUS4-59720 LA - deu AD - Bundesanstalt fuer Materialforschung und -pruefung (BAM), Berlin, Germany ER - TY - CONF A1 - Friedrich, Alexander A1 - Zhang, Tianyun A1 - Heckel, Thomas A1 - Casperson, Ralf T1 - Modellierung von Ultraschall- und Wirbelstromschienenprüfdaten N2 - Im Rahmen des Forschungsprojekts "Artificial Intelligence for Rail Inspection" (AIFRI) wird ein KI-Algorithmus entwickelt, um die Fehlererkennung und Bewertung bei der Auswertung von Schienenprüfungen mittels Ultraschall- und Wirbelstromprüfverfahren zu verbessern. Die Bandbreite möglicher Defekte und die Menge an Einflussgrößen auf die Schienenprüfung ist sehr groß, aber die Prüfdaten aus dem Feld bilden diese Bandbreite nicht balanciert ab und sind unzureichend gelabelt. Durch Simulationen werden große Mengen detailliert gelabelter Daten für relevante Schienenschädigungen und Artefakte bereitgestellt. Aus diesen Daten werden wiederum virtuellen Prüffahrten erstellt, die für das Training und die Validierung der KI genutzt werden können. In unserem Poster stellen wir die Simulation dieser Ultraschall- und Wirbelstromprüfdaten vor. Dabei gehen wir im Detail auf die Themen CAD-Modellierung, Modellparameter, Simulationssoftware und Signalverarbeitung ein. Wir stellen ausgewählt die Simulation von Head Checks für Wirbelstromprüfverfahren und Bohrungsanrissen für Ultraschallprüfverfahren dar, da das Erkennen dieser Schädigungstypen bei der Schienenprüfung hohe Priorität innehat. Für die Verifikation der Simulationsergebnisse verweisen wir auf den ebenfalls eingereichten Vortrag „Verifikation von Ultraschall- und Wirbelstromsimulationen bei der Schienenprüfung“. Das Projekt AIFRI wird im Rahmen der Innovationsinitiative mFUND unter dem Förderkennzeichen 19FS2014 durch das Bundesministerium für Digitales und Verkehr gefördert. T2 - 13. Fachtagung ZfP im Eisenbahnwesen CY - Erfurt, Germany DA - 12.03.2024 KW - Simulation KW - Ultraschall KW - Wirbelstrom PY - 2024 AN - OPUS4-59719 LA - deu AD - Bundesanstalt fuer Materialforschung und -pruefung (BAM), Berlin, Germany ER - TY - CONF A1 - Zhang, Tianyun A1 - Heckel, Thomas A1 - Fieber, M. A1 - Tenczynski, L. A1 - Olm, G. A1 - Islam, A. A1 - Selch, M. T1 - Aufbau eines digitalen Zwillings für die mechanisierte Eisenbahnschienenprüfung für das Training von KI-Algorithmen N2 - Im Rahmen des Forschungsprojekts "Artificial Intelligence for Rail Inspection" (AIFRI) wird ein KI-Algorithmus entwickelt, um die Fehlererkennung bei der Auswertung von Schienenprüfungen zu verbessern. Der Prozess der mechanisierten Schienenprüfung wird analysiert und die Schienenfehler sowie Artefakte werden in einem digitalen Zwilling abgebildet, um in einem weiteren Schritt die automatische Fehlererkennung und Klassifizierung mit KI-Algorithmen trainieren zu können. Zu diesem Zweck werden Ultraschalldatensätze auf der Grundlage der Regelwerke und Informationen aus der Instandhaltung mit einer Simulationssoftware erstellt, die Anzeigen der verschiedenen Schienenschädigungen und Artefakte enthalten. Die Schienenfehler werden bei der Auswertung in Fehlerklassen eingeordnet, für das KI-Training priorisiert und auf Basis der von der DB Netz AG ausgewählten Informationen untersucht. Hierfür werden die Schienenfehler nach den für das KI-Training relevanten Merkmalen zerlegt und die Konfiguration der Parameter der Simulation entsprechend abgestimmt. Für die Grundstruktur des Datensatzes wird ein Schienenmodell mit einer Länge von einem Meter für die Simulation eingesetzt, auf dessen Basis alle bei der Schienenprüfung zu verwendenden Prüfköpfe für den jeweiligen Reflektortyp betrachtet werden. Die simulierten Daten werden auf einer Testschiene im Labormaßstab validiert. Mögliche Einflussparameter wie z. B. der Signal-Rausch-Abstand sowie die Fahrgeschwindigkeit werden in den Datensätzen herangezogen. Die Zusammenstellung eines Testdatensatzes mit lokal veränderlichen Einflussgrößen erfolgt aus den simulierten Daten unter Verwendung der skriptbasierten Programmierumgebung Python und Matlab. Das Projekt AIFRI wird im Rahmen der Innovationsinitiative mFUND unter dem Förderkennzeichen 19FS2014 durch das Bundesministerium für Digitales und Verkehr gefördert. T2 - Seminar des FA Ultraschallprüfung Konventionelle und innovative Anwendungen der Ultraschallprüfverfahren CY - Kassel, Germany DA - 14.11.2023 KW - Ultraschallprüfung KW - Simulation KW - Schienenprüfung PY - 2023 AN - OPUS4-59055 LA - deu AD - Bundesanstalt fuer Materialforschung und -pruefung (BAM), Berlin, Germany ER - TY - CONF A1 - Reuter, T. A1 - Borges de Oliveira, F. A1 - Abt, Ch. A1 - Ballach, F. A1 - Bartscher, M. A1 - Bellon, Carsten A1 - Dennerlein, F. A1 - Fuchs, P. A1 - Günnewig, O. A1 - Hausotte, T. A1 - Hess, J. A1 - Kasperl, S. A1 - Maass, N. A1 - Kimmig, W. A1 - Schielein, R. A1 - von Schmid, M. A1 - Suppes, A. A1 - Wagner, G. A1 - Watzl, Ch. A1 - Wohlgemuth, F. T1 - Introduction to “Realistic Simulation of real CT systems with a basic-qualified Simulation Software - CTSimU2“ N2 - The lack of traceability to meter of X-ray Computed Tomography (CT) measurements still hinders a more extensive acceptance of CT in coordinate metrology and industry. To ensure traceable, reliable, and accurate measurements, the determination of the task-specific measurement uncertainty is necessary. The German guideline VDI/VDE 2630 part 2.1 describes a procedure to determine the measurement uncertainty for CT experimentally by conducting several repeated measurements with a calibrated test specimen. However, this experimental procedure is cost and effort intensive. Therefore, the simulation of dimensional measurement tasks conducted with X-ray computed tomography can close these drawbacks. Additionally, recent developments towards a resource and cost-efficient production (“smart factory”) motivate the need for a corresponding numerical model of a CT system (“digital twin”) as well. As there is no standardized procedure to determine the measurement uncertainty of a CT system by simulation at the moment, the project series CTSimU was initiated, aiming at this gap. Concretely, the goal is the development of a procedure to determine the measurement uncertainty numerically by radiographic simulation. The first project (2019-2022), "Radiographic Computed Tomography Simulation for Measurement Uncertainty Evaluation - CTSimU" developed a framework to qualify a radiographic simulation software concerning the correct simulation of physical laws and functionalities. The most important outcome was a draft for a new guideline VDI/VDE 2630 part 2.2, which is currently under discussion in the VDI/VDE committee. The follow-up project CTSimU2 "Realistic Simulation of real CT systems with a basic-qualified Simulation Software" will deal with building and characterizing a digital replica of a specific real-world CT system. The two main targets of this project will be a toolbox including methods and procedures to configure a realistic CT system simulation and to develop tests to check if this replica is sufficient enough. The result will be a draft for a follow-up VDI/VDE guideline proposing standardized procedures to determine a CT system's corresponding characteristics and test the simulation (copy) of a real-world CT system which we call a "digital twin". T2 - 12th Conference on Industrial Computed Tomography (iCT) 2023 CY - Fürth, Germany DA - 27.02.2023 KW - dXCT KW - X-ray computed tomography KW - Simulation PY - 2023 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:kobv:b43-589204 VL - 28 IS - 3 SP - 1 EP - 5 PB - NDT.net AN - OPUS4-58920 LA - eng AD - Bundesanstalt fuer Materialforschung und -pruefung (BAM), Berlin, Germany ER - TY - CONF A1 - Bellon, Carsten A1 - Bartscher, M. A1 - Borges de Oliveira, F. A1 - Hausotte, T. A1 - Kasperl, S. A1 - Reuter, T. A1 - Schielein, R. T1 - Realistic Simulation of CT Systems - An Introduction to The CTSimU2 Project N2 - The project series CTSimU was initiated with the goal to develop a set of procedures to enable the determination of the task-specific measurement uncertainty of a CT system numerically by radiographic simulation. The first project (2019-2022) “Radiographic Computed Tomography Simulation for Measurement Uncertainty Evaluation - CTSimU” was focused on the sufficient physical correctness of the radiographic simulation and created as a result a test framework for simulation softwares and a draft of a VDI standard in the series VDI/VDE 2630 for this application. However, for the realistic simulation of a CT system in a simulation software (i.e. a digital twin), not only the correctness of the simulation software itself is crucial, but also the quality of the parameterization of the CT system in the simulation software - this represents the starting point of the 2nd project “Realistic Simulation of real CT systems with a basic-qualified Simulation Software - CTSimU2” (2022-2024). The parameterization of a CT system in a simulation software can be divided into four steps: after the data acquisition at the real CT system (step 1) follows the evaluation of the acquired data for the generation of general parameter specifications (step 2). It follows the transfer of the parameters into the specific simulation software (step 3) and the validation of the resulting simulation parameters by a suitable test (step 4). The intended result of the project CTSimU2 is a draft VDI standard (for VDI/VDE 2630) for this test, which contains an informative annex on the state of the art regarding the possibilities for parameter determination. T2 - 13th European Conference on Non-Destructive Testing (ECNDT) CY - Lisbon, Portugal DA - 03.07.2023 KW - X-ray computed tomography KW - dXCT KW - Simulation PY - 2023 AN - OPUS4-58923 LA - eng AD - Bundesanstalt fuer Materialforschung und -pruefung (BAM), Berlin, Germany ER - TY - CONF A1 - Reuter, T. A1 - Abt, C. A1 - Ballach, F. A1 - Bartscher, M. A1 - Bellon, Carsten A1 - Borges de Oliveira, F. A1 - Dennerlein, F. A1 - Fuchs, P. A1 - Günnewig, O. A1 - Hausotte, T. A1 - Hess, J. A1 - Kimmig, W. A1 - Maass, N. A1 - Schielein, R. A1 - von Schmid, M. A1 - Suppes, A. A1 - Wagner, G. A1 - Watzl, C. A1 - Wohlgemuth, F. A1 - Kasperl, S. T1 - Vorstellung des Projektes CTSimU2 Realistische Simulation realer Röntgencomputertomografie-Systeme mit basisqualifizierter Simulationssoftware N2 - Die Entwicklung von Werkzeugen zur realitätsnahen Nachbildung eines industriellen CT-Systems in einer Simulationssoftware ist derzeit Hauptaufgabe des WIPANO Forschungsprojektes CTSimU2 Realistische Simulation realer Röntgencomputertomografie - Systeme mit basisqualifizierter Simulationssoftware. Als Voraussetzung dienen dabei Simulationssoftwares, die durch das Testframework aus dem Vorprojekt CTSimU1 basisqualifiziert wurden. Das Testframework testet die hinreichende physikalische Korrektheit und Funktionalität einer Simulationssoftware (Basisqualifizierung der Software). Für eine realitätsnahe Nachbildung ist nicht nur die Güte der Simulationssoftware, sondern insbesondere die Güte der Parametrisierung des realen CT-Systems in der Simulationssoftware ausschlaggebend. Dabei kann das Vorgehen der Parametrisierung in vier Schritte unterteilt werden: die Datenaufnahme am realen CT-System (Schritt 1), die Auswertung der aufgenommenen Daten für die Generierung allgemeiner Parameterangaben (Schritt 2), die Übertragung der Parameter in die spezifischen Simulationssoftwares (Schritt 3) und die Validierung der resultierenden Simulationsparameter durch einen geeigneten Test (Schritt 4). Ziel des Projektes ist es daher neben der Erarbeitung eines Werkzeugkastens mit allgemeinen Methoden zur Datenaufnahme und Auswertung der Daten, die Entwicklung eines Tests, auf dessen Basis die ausreichend korrekte Simulation einer realen Anlage beurteilt werden kann. Die erarbeiteten Ergebnisse sollen wie bereits im Vorprojekt CTSimU1 in einen Richtlinienentwurf für die Richtlinienreihe VDI/VDE 2630 übertragen werden. Dieser Beitrag soll einen Überblick über das Projekt und die ersten Ergebnisse geben. T2 - DGZfP Jahrestagung 2023 CY - Friedrichshafen, Germany DA - 15.05.2023 KW - XCT KW - Simulation PY - 2023 UR - https://www.ndt.net/?id=28620 AN - OPUS4-58922 LA - deu AD - Bundesanstalt fuer Materialforschung und -pruefung (BAM), Berlin, Germany ER - TY - CONF A1 - Bellon, Carsten T1 - Virtual CT with aRTist N2 - The software aRTist is a simulation tool for the generation of realistic radiographs of virtual radiographic superstructures. With radiographic simulations, virtual component models can be scanned as in a computer tomograph. Industrial X-ray computed tomography (CT) enables the non-destructive detection of internal and external surfaces as well as inhomogeneities of technical objects. Virtual CT offers new possibilities for the investigation of parameter influences of this complex testing and measuring technique. In addition to the option of switching physical effects on and off, scanning movements can also be tested before their technical realization. The virtual CT generates projection images from different directions for the subsequent reconstruction of a volume model of the examined object. The reconstruction of the simulated scans is carried out with the algorithms and programs for real scans. Tomographic scans consist of a large number of projections, which practically cannot be generated individually by the user of a simulation. The software offers various options for the automated simulation of tomographic scans. These range from standard CT to scans on free trajectories or with individual projection matrices. T2 - 12th Conference on Industrial Computed Tomography (iCT) 2023 CY - Fürth, Germany DA - 27.02.2023 KW - X-ray computed tomography KW - Simulation PY - 2023 AN - OPUS4-58919 LA - eng AD - Bundesanstalt fuer Materialforschung und -pruefung (BAM), Berlin, Germany ER - TY - CONF A1 - Charmi, Amir A1 - Beinlich, Lukas A1 - Barzegar, Mohsen A1 - Bulling, Jannis A1 - Lugovtsova, Yevgeniya A1 - Yilmaz, Bengisu T1 - Closing the gap between simulation and experiment using autoencoders N2 - Structural Health Monitoring (SHM) mittels geführter Ultraschallwellen ermöglicht eine kontinuierliche Überwachung komplexer Bauteile und liefert umfangreiche Informationen über deren strukturelle Integrität. Die aufgezeichneten Signale sind jedoch komplex und werden daher zunehmend mittels KI verarbeitet, um Anomalien in der Systemintegrität automatisch zu erkennen. Eine Herausforderung dabei ist jedoch das Trainieren solcher KI-Modelle, da dafür große Mengen an Trainingsdaten inklusive diverser Schadensfälle benötigt werden, um eine hohe Genauigkeit und Zuverlässigkeit zu gewährleisten. Experimentelle Generierung dieser Daten ist wegen des enormen Zeit- und Kostenaufwands nicht möglich. Eine Alternative hierfür bieten die numerischen Simulationen, da dadurch Trainingsdaten für beliebige Anzahl an Schadenskonfigurationen erzeugt werden können. Das Hauptproblem dabei ist jedoch die Abweichung zwischen den experimentellen und simulierten Daten (durch z.B. Abweichungen bei der Geometrie, Randbedingungen oder Materialparameter). Um diese Abweichungen zu reduzieren bzw. zu eliminieren, wird ein KI-Modell mit einer Autoencoder-Decoder Architektur vorgestellt, die mittels eines Experiments kalibriert werden kann und anschließend in der Lage ist, die Genauigkeit der Simulationsergebnisse nachträglich zu erhöhen. T2 - 28. DEGA-Workshop „Physikalische Akustik“ - Maschinelles Lernen in der physikalischen Akustik CY - Bad Honnef, Germany DA - 19.10.2023 KW - KI KW - SHM KW - Simulation KW - Geführte Ultraschallwellen PY - 2023 AN - OPUS4-58686 LA - eng AD - Bundesanstalt fuer Materialforschung und -pruefung (BAM), Berlin, Germany ER - TY - CONF A1 - Friedrich, Alexander T1 - Simulation of Eddy Current Rail Testing Data for Neural Networks N2 - The present work is part of the AIFRI project (Artificial Intelligence For Rail Inspection), where we and our project partners train a neural network for defect detection and classification. Our goal at BAM is to generate artificial ultrasound and eddy current training data for the A.I. This paper has an exploratory nature, where we focus on the simulation of eddy current signals for head check cracks, one of the most important rail surface defects. The goal of this paper is twofold. On the one hand, we present our general simulation setup. This includes geometric models for head check cracks with features like branching and direction change, a model for the HC10 rail testing probe, and the configuration of the Faraday simulation software. On the other hand, we use the Faraday software to simulate eddy current testing signals with a strong focus on the influence of the damage depth on the signal, while differentiating between different crack geometries. Here, we observe an early saturation effect of the test signal at a damage depth of 2 mm (at a crack angle of 25◦ to the surface). That is about 2 mm earlier than we would expect from measurements at a crack angle of 90◦. This behavior will be investigated further in a future paper. Finally, we interpolate the simulated signals in a two-step curve fitting process. With these interpolations we may generate eddy current test signals for any damage depth within the simulated range. T2 - 13th European Conference on Non-Destructive Testing 2023 CY - Lisbon, Portugal DA - 03.07.2023 KW - Simulation KW - Eddy Current KW - Artificial Intelligence PY - 2023 AN - OPUS4-58192 LA - eng AD - Bundesanstalt fuer Materialforschung und -pruefung (BAM), Berlin, Germany ER -