TY - CONF A1 - Marquardt, R. A1 - Bähring, S. A1 - Biegler, M. A1 - Rethmeier, Michael T1 - Künstliche Neuronale Netze zur Qualitätsprognose von Funktional Gradierten Materialien im laserbasierten Directed Energy Deposition N2 - Durch pulverbasiertes Directed-Energy Deposition lassen sich Gradierungen fertigen, um diskrete Materialübergänge zu vermeiden und die Lebensdauer von Hartschichten zu erhöhen. Die Kombination aus Stahl als Basiswerkstoff und einer verschleiß- und korrosionsbeständigen Co-Cr Legierung verspricht durch Vermeiden von Spannungskonzentrationen das Verhindern von Abplatzungen und Rissen in der Schutzschicht. Um die Qualität des gefertigten Bauteils zu beurteilen, liegen für solche Funktional Gradierten Materialien (FGM) wenig Erkenntnisse vor. Daher wird im Rahmen dieser Studie eine Methodik erarbeitet, um die relative Dichte eines Funktional Gradierten Materials auf Stahl und Co-Cr Basis mittels Maschinendaten zu bestimmen. Anschließend wird unter Einsatz eines künstlichen neuronalen Netzes anhand von Sensordaten die relative Dichte vorhergesagt. Das trainierte Netz erreicht eine Vorhersagegenauigkeiten von 99,83%. Abschließend wird eine Anwendung anhand von einem Demonstrator gezeigt. T2 - 3. Fachtagung Additive Manufacturing CY - Halle, Germany DA - 05.10.2023 KW - Directed Enery Deposition KW - Künstliche Neuronale Netze KW - Additive Manufacturing KW - DED KW - KI KW - AM PY - 2023 SP - 1 EP - 8 PB - SLV Halle AN - OPUS4-58692 LA - deu AD - Bundesanstalt fuer Materialforschung und -pruefung (BAM), Berlin, Germany ER - TY - CONF A1 - Bachmann, Marcel A1 - Artinov, Antoni A1 - Meng, Xiangmeng A1 - Putra, Stephen Nugraha A1 - Rethmeier, Michael T1 - Challenges in dynamic heat source modeling in high-power laser beam welding N2 - The amount of absorbed energy in the keyhole as well as its spatial and temporal distribution is essential to model the laser beam welding process. The recoil pressure, which develops because of the evaporation process induced by the absorbed laser energy at the keyhole wall, is a key determining factor for the macroscopic flow of the molten metal in the weld pool during high-power laser beam welding. Consequently, a realistic implementation of the effect of the laser radiation on the weld metal is crucial to obtain reliable and accurate simulation results. In this paper, we discuss manyfold different improvements on the laser-material interaction, namely the ray-tracing method, in the numerical simulation of the laser beam welding process. The first improvement relates to locating the exact reflection points in the ray tracing method using a so-called cosine condition in the determination algorithm for the intersection of the reflected rays and the keyhole surface. A second correction refers to the numerical treatment of the Gaussian distribution of the laser beam, whose beam width is defined by a decay of the laser intensity by a factor of 1/e2 thus ignoring around 14 % of the total laser beam energy. In a third step, the changes in the laser radiation distribution in the vertical direction were adapted by using different approximations for the converging and the diverging regions of the laser beam thus mimicking the beam caustic. Finally, a virtual mesh refinement was adopted in the ray tracing routine. The obtained numerical results were validated with experimental measurements. T2 - International Congress of Applications of Lasers & Electro-Optics 2023 CY - Chicago, USA DA - 16.10.2023 KW - Laser beam welding KW - Laser energy distribution KW - Ray tracing KW - Numerical modeling PY - 2023 SP - 1 EP - 10 AN - OPUS4-58475 LA - eng AD - Bundesanstalt fuer Materialforschung und -pruefung (BAM), Berlin, Germany ER - TY - CONF A1 - El-Sari, B. A1 - Biegler, M. A1 - Rethmeier, Michael T1 - Verbesserung der Übertragbarkeit eines künstlichen neuronalen Netzes zur Qualitätsvorhersage beim Widerstandspunktschweißen von hochfesten Stählen N2 - Eine typische Automobilkarosserie kann bis zu 5000 Widerstandspunktschweißverbindungen aufweisen, welche hohen Qualitätsanforderungen genügen müssen. Daher ist eine durchgehende Prozessüberwachung unerlässlich. Die Transformation zur E-Mobilität in der Automobilindustrie und die damit einhergehende Reichweitenproblematik treiben die Entwicklung und Einführung neuer hochfester Stähle an. Dies resultiert in einem gesteigerten Fertigungsaufwand hinsichtlich einer stabilen Prozess-führung in der Fügetechnik. Um diesen Anstieg an Komplexität zu bewältigen, sind die Methoden der künstlichen Intelligenz ein geeignetes Mittel. Mit ihnen kann, durch Auswertung der Prozessparameter und -signale, die individuelle Schweißpunktqualität sichergesellt werden. Die Vorhersagegenauigkeit von neuen Daten, also das extrapolieren, stellt für die meisten Algorithmen eine große Herausforderung dar. In dieser Arbeit wird ein künstliches neuronales Netz zur Vorhersage des Punktdurchmessers von Widerstandspunktschweißungen anhand von Prozessparametern implementiert. Die Vorhersagegenauigkeit und Extrapolationsfähigkeit des Modells wird durch die Auswertung des dynamischen Widerstandssignals verbessert. Um die Extrapolationsfähigkeit zu untersuchen, wird die Vorhersagegenauigkeit des Modells mit Daten getestet, die sich in Bezug auf den Werkstoff und der Beschichtungszusammensetzung deutlich von den Trainingsdaten unterscheiden. Dazu wurden mehrere Schweißexperimente mit Werkstoffen verschiedener Hersteller durchgeführt und nur ein Teil der Daten in das Training einbezogen. Die Ergebnisse dieser Arbeit verdeutlichen den positiven Einfluss der Prozesssignale auf die Robustheit des Modells und die Skalierbarkeit der Algorithmen künstlicher neuronaler Netze auf Daten außerhalb des Trainingsraums. T2 - DVS Congress 2023 Große Schweißtechnische Tagung CY - Essen, Germany DA - 11.09.2023 KW - Widerstandspunktschweißen KW - Hochfester Stahl KW - Künstliche Intelligenz KW - Neuronales Netz KW - Fügequalität PY - 2023 SN - 978-3-96144-230-0 SP - 772 EP - 779 AN - OPUS4-58693 LA - deu AD - Bundesanstalt fuer Materialforschung und -pruefung (BAM), Berlin, Germany ER - TY - CONF A1 - Putra, Stephen Nugraha A1 - Meng, Xiangmeng A1 - Bachmann, Marcel A1 - Rethmeier, Michael T1 - Der Einfluss verschiedener räumlicher Diskretisierungsansätze des Ray-Tracing-Verfahrens bei der Simulation des Laserstrahltiefschweißen N2 - Die Wärmeverteilung des Lasers beim Laserstrahltiefschweißen ist für die Formgebung der Dampfkapillare und für die Schweißbaddynamik entscheidend. In dieser Arbeit werden die Laserwärmeverteilung und deren Einflüsse auf die Schweißbadtiefe sowie -breite numerisch anhand des Ray-Tracing-Verfahrens analysiert. Hierbei wird der La-serstrahl in mehreren Strahlenbündeln bzw. Subrays unterteilt. Diesbezüglich soll der Pfad der Subrays präzis be-rechnet werden, um die Dynamik der Dampfkapillare und des Schweißbades eines realen Schweißprozesses rich-tig abzubilden. Zu diesem Zweck beschäftigt sich die vorliegende Arbeit mit der Genauigkeitsverbesserung der Kontaktposition und der Reflexionsrichtung der Subrays auf der freien Oberfläche anhand der Level-Set-Methode. Um die Güte dieses Simulationsansatzes zu gewährleisten, wurde eine Gegenüberstellung mit den zwei klassischen Ray-Tracing-Verfahren mittels drei verschiedenen Benchmark-Testreihen durchgeführt. Anschließend wurden die Versuchsergebnisse zur Validierung der implementierten numerischen Ansätze verwendet. Im Rahmen dieser Arbeit kann es gezeigt werden, dass unterschiedliche Wärmeverteilung aufgrund der verschiedenen Ray-Tracing-Verfahren deutlich zu erkennen ist, welche wiederum die Schweißbaddynamik sowie die lokalisierte Dampfkapil-lardynamik stark beeinflussen. Ferner wurde es bestätigt, dass die implementierte Level-Set-Methode zu einer ge-naueren Ermittlung der Kontaktposition und der Reflexionsrichtung der Subrays und somit zu einer Verbesserung der simulierten Schmelzkontur führt. T2 - 43. Assistentenseminar Füge- und Schweißtechnik CY - Schwarzenberg/Erzgebirge, Germany DA - 27.09.2022 KW - Laser beam welding KW - Ray tracing method KW - Weld pool dynamics KW - Numerical modeling PY - 2023 UR - https://www.dvs-media.eu/de/neuerscheinungen/4584/43.-assistentenseminar-fuegetechnik SN - 978-3-96144-212-6 VL - 386 SP - 91 EP - 102 PB - DVS Media GmbH CY - Düsseldorf AN - OPUS4-59119 LA - deu AD - Bundesanstalt fuer Materialforschung und -pruefung (BAM), Berlin, Germany ER - TY - CONF A1 - Rethmeier, Michael A1 - Gook, Sergej A1 - Biegler, Max A1 - Gumenyuk, Andrey T1 - Anwendung einer Kombination aus Laserhybrid- und Unterpulverschweißen zum Fügen dicker Bleche aus Schiffbaustahl EH36 N2 - In diesem Beitrag wird ein Schweißverfahren vorgestellt, mit dem 30 mm dicke Bleche aus Schiffbaustahl EH36 effizient und werkstoffgerecht gefügt werden können. Die wirtschaftlichen Vorteile des Verfahrens ergeben sich aus dem Wegfall der aufwendigen Kantenvorbereitung und der Reduzierung des Schweißzusatzbedarfs. Die Stumpfschweißnähte werden in einer Lagen-/Gegenlage-Technik durch Laserhybridschweißen und Unterpulverschweißen ausgeführt. Dabei erfolgt die Laserhybridschweißung als Einschweißung mit einer Tiefe von etwa 25 mm, während die Unterpulvernaht als zweiter Durchgang auf der gegenüberliegenden Seite des Bauteils mit einer Einschweißtiefe von 8 mm aufgebracht wird. Die Überlappung der beiden Lagen gewährleistet einen geschlossenen Nahtquerschnitt. Dank der partiellen Durchschweißung der Laserhybridnaht entfällt die Notwendigkeit zur Wurzelformierung. Darüber hinaus bietet die Prozesskombination eine höhere Toleranz gegenüber Ungenauigkeiten in der Kantenvorbereitung, was die Prozesskomplexität reduziert. Der Einsatz dieses robusteren Verfahrens, das weniger von einer präzisen Kantenvorbereitung abhängig ist, erleichtert die Produktionsvorbereitung, minimiert die Fehleranfälligkeit und senkt die Nachbearbeitungskosten. Dies macht das Laserhybridschweißen besonders attraktiv für Anwendungen im Schiffbau. T2 - 22. Tagung Schweißen in der maritimen Technik und im Ingenieurbau CY - Hamburg, Germany DA - 13.05.2025 KW - Laserhybridschweißen KW - Unterpulverschweißen KW - Kerbschlagbiegeversuch PY - 2025 SP - 87 EP - 98 PB - DVS – Deutsche Verband für Schweißen und verwandte Verfahren e. V AN - OPUS4-63342 LA - deu AD - Bundesanstalt fuer Materialforschung und -pruefung (BAM), Berlin, Germany ER - TY - CONF A1 - Bachmann, Marcel A1 - Putra, Stephen Nugraha A1 - Yang, Fan A1 - Meng, Xiangmeng A1 - Pusbatzkies, Pablo A1 - Rethmeier, Michael T1 - Elucidation of the Laser Beam Energy Attenuation by the Vapor Plume Formation during High Power Laser Beam Welding N2 - In high-power laser beam welding, a common phenomenon is the formation of a keyhole caused by the rapid evaporation of the material. Under atmospheric pressure, this evaporation generates a vapor plume that interacts with the laser beam, leading to energy attenuation and scattering of the laser radiation along its path. These interactions affect the stability of the process and the overall weld quality. This study investigates the influence of the vapor plume on the weld pool and keyhole dynamics during high-power laser beam welding of AlMg3 aluminum alloy through experimental and numerical approaches. The primary goal is to identify key vapor plume characteristics, particularly its length fluctuations, and to improve the accuracy of the numerical models. To achieve this, an algorithm was developed for the automated measurement of the vapor plume length using high-speed imaging and advanced data processing techniques. The measured plume length is then used to estimate the additional vapor heating and laser energy attenuation using the Beer–Lambert law. A refined numerical CFD model, incorporating 3D transient heat transfer, fluid flow, and ray tracing, was developed to evaluate the vapor plume’s impact. Results show that already the time-averaged plume length effectively captures its transient influence and aligns well with experimental weld seam geometries. Additionally, energy scattering and absorption caused by the vapor plume led to a wider weld pool at the top surface. The study also shows an increased percentage of keyhole collapses due to the reduced laser power absorption at the keyhole bottom, further highlighting the importance of accurately modeling vapor plume effects. T2 - International Congress of Applications of Lasers & Electro-Optics 2025 CY - Orlando, USA DA - 12.10.2025 KW - Laser beam welding KW - Vapor plume formation KW - Weld pool KW - Keyhole dynamics KW - Numerical modeling PY - 2025 SP - 1 EP - 10 AN - OPUS4-64817 LA - eng AD - Bundesanstalt fuer Materialforschung und -pruefung (BAM), Berlin, Germany ER - TY - CONF A1 - Hälsig, André A1 - Eßbach, Tim-Bernd A1 - Scharf-Wildenhain, Ronny A1 - Altobelli, Martin Gabriel A1 - Phadnis, Prathamesh Jayant A1 - Hensel, Jonas A1 - Fabry, Çağtay A1 - Pittner, Andreas A1 - Armansyah, T1 - Qualitätssicherung beim Lichtbogenschweißen N2 - Der fortschreitende Trend der Automatisierung und Dokumentation sowie die wirtschaftliche und technische Optimierung von Fügeaufgaben machen es notwendig, Sensoren zielführend in bestehende und vorhandene Anlagentechnik zu integrieren. Jedoch bietet die reine Datenerfassung alleine nur einen geringen Mehrwert. Erst durch eine optimierte Datenspeicherung, eine intelligente sowie automatische Datenauswertung und -bewertung entsteht ein echter Nutzen für den industriellen Anwender. Zur Qualifizierung einer standardisierbaren Herangehensweise der Qualitätssicherung beim Lichtbogenschweißen wurden mit einer nationalen Arbeitsgruppe bestehende Unstetigkeiten der Qualitätsbeeinflussung geschweißter Bauteile aufgeschlüsselt und definiert. Parallel dazu wurde ein automatisiertes Schweißsystem mit hochgenauer Messtechnik (u. a. Stromstärke, Spannung, Drahtvorschub, Thermokamera, Geometriescanner usw.) ausgerüstet und validiert. Hierfür wurde die Open-Source-Technologie WelDX der BAM genutzt. Anschließend wurden bewusst fehlerhaft geschweißte Nähte im Vergleich zu fehlerfreien Referenzschweißungen hergestellt, Messdaten erfasst und analysiert. Im Rahmen dieses Beitrags werden erste Ergebnisse und Erkenntnisse in Bezug auf die Detektion und Bewertung von Unstetigkeiten beim Lichtbogenschweißen dargestellt. Dabei wurde deutlich, dass alternative Darstellungs- und Analysemethoden wie die Anwendung der Mahalanobis-Distanz im Stromstärke-Spannungs-Diagramm eine eindeutigere Korrelation zwischen Unstetigkeiten und Prozesssignalen ermöglichen. T2 - DVS CONGRESS 2025 CY - Essen, Germany DA - 16.09.2025 KW - Lichtbogenschweißen KW - Qualitätssicherung KW - Forschungsdatenmanagement KW - WelDX PY - 2025 SN - 978-3-96144-298-0 VL - 401 SP - 76 EP - 85 PB - DVS Media GmbH CY - Düsseldorf AN - OPUS4-64565 LA - deu AD - Bundesanstalt fuer Materialforschung und -pruefung (BAM), Berlin, Germany ER - TY - CONF A1 - Bakir, Nasim A1 - Üstündag, Ömer A1 - Gumenyuk, Andrey A1 - Rethmeier, Michael T1 - Observation of the weld pool shape in partial penetration welding and its influence on solidification crack formation for high-power laser beam welding N2 - In this study, steel-glass experiments were conducted to observe the melt pool geometry using a high-speed camera. The high-speed recordings and optical flow analysis show that two main flows take place in form of vortices. The lower vortex drives the melt backwards from the front keyhole wall and thus causes an extension of the melt pool, which is called bulging. This bulging promotes solidification cracking by forming a closed area filled with melt and the accumulation of impurities in the final solidification phase, resulting in low-melting phases which are under tensile stress at the end of solidification. T2 - Lasers in Manufacturing Conference 2021 CY - Online meeting DA - 21.06.2021 KW - Laser beam welding KW - Weld pool shape KW - Solidification craking KW - Partial penetration PY - 2021 SP - 1 EP - 5 AN - OPUS4-53587 LA - eng AD - Bundesanstalt fuer Materialforschung und -pruefung (BAM), Berlin, Germany ER - TY - CONF A1 - Marquardt, R. A1 - Osayi, J. A1 - Kmieciak, S. A1 - Biegler, M. A1 - Rethmeier, Michael T1 - Verschleißschutz einer Schneckengeometrie durch funktional gradierte Materialien N2 - Hochbelastete Stahlbauteile lassen sich durch Auftragen von Kobalt-Chrom Legierungen vor Verschleiß schützen. Die plötzliche Änderung der Materialeigenschaften führt jedoch zu Spannungen und Rissen im Anbindungsbereich. Daraus resultierende Abplatzungen stellen eine Gefahr für die Funktionsfähigkeit der Maschine und damit für Mensch und Umwelt dar. Um die Belastbarkeit der Schutzschicht zu verbessern, kann die Anbindung durch einen gradierten Materialübergang optimiert werden. Diese funktional gradierten Materialien können mittels pulverbasiertem Directed Energy Deposition aufgetragen werden. Die Methodik zum Aufbau und zur Qualitätssicherung solcher Materialien wurde in vorangegangenen Arbeiten für dickwandige Geometrien gezeigt. Für dünnwandige Geometrien ist die Anwendbarkeit bisher unzureichend untersucht worden. Diese Arbeit zeigt am Beispiel einer dünnwandigen gradierten Schneckengeometrie die Einsatzfähigkeit der Methodik. Dafür wird die Gefügestruktur der Gradierung auf Fehler untersucht und der Härteverlauf gemessen. Außerdem wird die relative Dichte anhand eines bereits trainierten neuronalen Netzes vorhergesagt und mit einer Porositätsuntersuchung verglichen. T2 - 14. Tagung Verschleiß- und Korrosionsschutz von Bauteilen durch Auftragschweißen CY - Halle a. d. Saale, Germany DA - 12.06.2024 KW - Directed Enery Deposition KW - Funktionally Graded Material KW - Additive Manufacturing KW - DED KW - FGM KW - AM PY - 2024 SP - 1 EP - 7 PB - SLV Halle AN - OPUS4-60721 LA - deu AD - Bundesanstalt fuer Materialforschung und -pruefung (BAM), Berlin, Germany ER - TY - CONF A1 - Meng, Xiangmeng A1 - Putra, Stephen Nugraha A1 - Bachmann, Marcel A1 - Rethmeier, Michael T1 - Parametric study of the laser energy absorption in high-power laser beam welding N2 - Laser energy absorption on the keyhole wall is decisive for the thermodynamic behavior and the resultant weld properties in the high-power laser beam welding process. However, its highly transient nature on a microsecond scale makes the quantitative analysis challenging. In this paper, the influence of the relevant welding parameters on laser energy absorption is studied statistically by utilizing multiphysical modeling, in which the three-dimensional transient keyhole dynamics and thermo-fluid flow are calculated. A dynamic mesh adaption technique and a localized level-set-based ray-tracing method are employed to improve the model accuracy further. The results show that the focus position has a remarkable effect on the time-averaged laser absorption, and in contrast, the laser energy distribution regime is only slightly influenced by the welding speed in the studied parameter range (1.5–3.0 m/min). The absorption ratio of the laser energy on the keyhole front wall decreases with increasing welding speed and increases with upward-moving focus positions. The comparison between the calculated results and the experimental measurements ensures the validity of the proposed model. T2 - International Congress of Applications of Lasers & Electro-Optics 2024 CY - Los Angeles, CA, USA DA - 03.11.2024 KW - Laser beam welding KW - Laser energy absorption KW - Multiphysics modeling KW - Parametric study KW - Weld pool PY - 2024 SP - 1 EP - 8 AN - OPUS4-61629 LA - eng AD - Bundesanstalt fuer Materialforschung und -pruefung (BAM), Berlin, Germany ER - TY - CONF A1 - Neumann, B. A1 - Gottschalk, G.-F. A1 - Biegler, M. A1 - Goecke, S.-F. A1 - Rethmeier, Michael T1 - Detektion von Bindefehlern mittels neuronaler Netze bei DED-Arc/M von Aluminium anhand von Echtzeit- Schweißstromquellendaten N2 - Mit der Anwendung des Schutzgasschweißens für additive Strukturen wird aufbauend auf Machine-Learning-Modellen, welche bereits zum Überwachen beim Verbindungsschweißen erforscht wurden, ein tiefes neuronales Netz (DNN) zum Monitoring beim DED-Arc/M von Aluminium vorgestellt. Ziel des Machine Learning Modells ist das Identifizieren von Bindefehlern in den aufgebauten Volumina mit prozessbegleitend gemessenen Schweißstromquellensignalen als Input. Es werden durch Algorithmen Merkmalsvariablen in der Vorverarbeitung der Daten extrahiert und die Korrelation zwischen den Merkmalsvariablen und den Bindefehlern analysiert. Durch den vorgestellten Algorithmus werden diese automatisiert als Input an ein DNN übergeben. Diese Arbeit untersucht die Genauigkeit der Klassifizierung von verschiedenen DNN-Architekturen mit jeweils 4 verdeckten Schichten. Als Trainings- und Testsatz werden randomisiert extrahierte Merkmale von defektfreien und fehlerhaften Proben verwendet, wobei Bindefehler zum Teil absichtlich provoziert werden. Das entwickelte neuronale Netz erkennt anhand signifikanter Merkmale aus den Strom- und Spannungsdaten Bindefehler mit einer Genauigkeit von ca. 90%. T2 - 45. Assistentenseminar Füge- und Schweißtechnik CY - Niederaudorf, Germany DA - 09.11.2024 KW - DED-Arc/M KW - Aluminiumschweißen KW - Prozessüberwachung KW - Machine Learning KW - Deep Neural Network KW - Bindefehler PY - 2025 SP - 139 EP - 144 PB - DVS Media GmbH AN - OPUS4-64838 LA - deu AD - Bundesanstalt fuer Materialforschung und -pruefung (BAM), Berlin, Germany ER - TY - CONF A1 - Gottschalk, Götz-Friedrich A1 - Chaurasia, Prashant Kumar A1 - Goecke, Sven-Frithjof T1 - Zero-defect Printing with DED-GMA via Adaptive Controls N2 - Gas metal arc assisted directed energy deposition (DED-GMA) is a metal additive manufacturing process for fabricating large-scale parts with a higher printing rate. An accurate monitoring and control of the melt pool geometric features is critical for printing zero-defect parts. In this study, the melt pool thermography is used for the real-time detection of the melt pool boundary, centreline, and transient cooling time using an efficient deep learning technique. The presented real-time process monitoring and control methodology using deep learning allows adaptive control of the DED-GMA process. T2 - Twenty-Second International Conference on Flow Dynamics (ICFD 2025) CY - Sendai, Japan DA - 10.11.2025 KW - Additive manufacturing KW - DED-Arc KW - Monitoring KW - Control PY - 2025 SP - 1332 EP - 1335 AN - OPUS4-64837 LA - eng AD - Bundesanstalt fuer Materialforschung und -pruefung (BAM), Berlin, Germany ER - TY - CONF A1 - Krankenhagen, Rainer A1 - Chaudhuri, Somsubhro A1 - Pittner, Andreas A1 - Winterkorn, Rene A1 - de Finis, Rosa A1 - Palumbo, Davide A1 - Galietti, Umberto T1 - Thermographic investigation of the anisotropic behaviour of additively manufactured AISI316 steel using DED-Arc N2 - Additive manufacturing is one of the most promising techniques for industrial production and maintenance, but the specifics of the layered structure must be considered. The Direct Energy Deposition-Arc process enables relatively high deposition rates, which is favourable for larger components. For this study, specimens with different orientations were prepared from one AISI316 steel block – parallel and orthogonal to the deposition plane. Quasistatic tensile loading tests were carried out, monitored by an infrared camera. The obtained surface temperature maps revealed structural differences between both orientations. The consideration of surface temperature transients yields more details about the behaviour of the material under tensile loading than the conventional stress-strain-curve. These preliminary investigations were supplemented by thermographic fatigue trials. Although the anisotropy was also observed during fatigue loading the fatigue behaviour in general was the same, at least for both inspected specimens. The presented results demonstrate the abilities and the potential of thermographic techniques for tensile tests. T2 - 17th Quantitative Infrared Thermography Conference CY - Bologna, Italy DA - 07.07.2025 KW - Thermoelastic effect KW - Wire-arc-additive manufacturing KW - thermal stress analysis KW - fatigue testing PY - 2026 DO - https://doi.org/10.21611/qirt-2024-029 SP - 1 EP - 8 AN - OPUS4-65372 LA - eng AD - Bundesanstalt fuer Materialforschung und -pruefung (BAM), Berlin, Germany ER - TY - CONF A1 - Meng, Xiangmeng A1 - Bachmann, Marcel A1 - Kising, Pascal A1 - Yang, Fan A1 - Rethmeier, Michael T1 - Prediction of weld pool and keyhole geometries in high-power laser beam welding through a physics-informed generative artificial intelligence approach N2 - The weld pool and keyhole geometries are critical characteristics in evaluating the stability of the high-power laser beam welding (LBW) process and determining the resultant weld quality. However, obtaining these data through experimental or numerical methods remains challenging due to the difficulties in experimental measurements and the high computational demands of numerical modelling. This paper presents a physics-informed generative approach for predicting weld pool and keyhole geometries in the LBW process. With the help of a well experimentally validated numerical model considering the underlying physics in the LBW, the geometries of the weld pool and keyhole under various welding conditions are calculated, serving as the dataset of the generative model. A Conditional Variational Autoencoder (CVAE) model is employed to generate realistic 2D weld pool and keyhole geometries from the welding parameters. We utilize a β-VAE model with the Evidence Lower Bound (ELBO) loss function and include Kullback-Leibler divergence annealing to better optimize model performance and stability during training. The generated results show a good agreement with the ground truth from the numerical simulation. The proposed approach exhibits the potential of physics-informed generative models for a rapid and accurate prediction of the weld pool geometries across a diverse range of process parameters, offering a computationally efficient alternative to full numerical simulations for process optimization and control in laser beam welding processes. T2 - International Congress of Applications of Lasers & Electro-Optics 2025 CY - Orlando, USA DA - 12.10.2025 KW - Laser beam welding KW - Generative artificial intelligence KW - Machine learning KW - numerical simulation PY - 2025 SP - 1 EP - 10 AN - OPUS4-65075 LA - eng AD - Bundesanstalt fuer Materialforschung und -pruefung (BAM), Berlin, Germany ER - TY - CONF A1 - Huo, Wenjie A1 - Schmies, Lennart A1 - Gumenyuk, Andrey A1 - Rethmeier, Michael A1 - Wolter, Katinka T1 - An illumination based backdoor attack against crack detection systems in laser beam welding N2 - Deep neural networks (DNNs) have been wildly used in engineering and have achieved state-of-the-art performance in prediction and measurement tasks. A solidification crack is a serious fault during laser beam welding and it has been proven to be successfully detected using DNNs. Recently, research on the security of DNNs is receiving increasing attention because it is necessary to explore the reliability of DNNs to avoid potential security risks. The backdoor attack is a serious threat, where attackers aim to inject an inconspicuous pattern referred to as trigger into a small portion of training data, resulting in incorrect predictions in the reference phase whenever the input contains the trigger. In this work, we first generate experimental data containing actual cracks in the welding laboratory for training a crack detection model. Then, targeting this scenario, we design a new type of backdoor attack to induce the model to predict the crack as a normal state. Considering the stealthiness of the attack, a common phenomenon during the welding process, illumination, is used as the backdoor trigger. Experimental results demonstrate that the proposed method can successfully attack the crack detection system and achieve over 90% attack success rate on the test set. T2 - 8th ML4CPS 2025 – Machine Learning for Cyber-Physical Systems CY - Berlin, Germany DA - 06.03,2025 KW - System security KW - Welding crack detection KW - Backdoor attack KW - Deep neural networks PY - 2025 UR - https://nbn-resolving.org/urn:nbn:de:kobv:b43-651357 DO - https://doi.org/10.24405/20021 VL - 2025 SP - 12 EP - 21 PB - Universitätsbibliothek der HSU/UniBw H CY - Hamburg AN - OPUS4-65135 LA - eng AD - Bundesanstalt fuer Materialforschung und -pruefung (BAM), Berlin, Germany ER -