Das Suchergebnis hat sich seit Ihrer Suchanfrage verändert. Eventuell werden Dokumente in anderer Reihenfolge angezeigt.
  • Treffer 5 von 137
Zurück zur Trefferliste
Zitieren Sie bitte immer diesen URN: urn:nbn:de:kobv:b43-444852

Datengesteuerte Multisensor-Fusion zur Korrosionsprüfung von Stahlbetonbauteilen

  • Potentialfeldmessung (PM) ist die beliebteste Methode der Zerstörungsfreien Prüfung (ZfP) zur Lokalisierung von aktiver Betonstahlkorrosion. PM wird durch Parameter wie z. B. Feuchtigkeits- und Chloridgradienten im Bauteil beeinflusst, so dass die Sensitivität gegenüber der räumlich sehr begrenzten, aber gefährlichen Lochkorrosion gering ist. Wir zeigen in dieser Studie, wie zusätzliche Messinformationen mit Multisensor-Datenfusion genutzt werden können, um die Detektionsleistung zu verbessern und die Auswertung zu automatisieren. Die Fusion basiert auf überwachtem maschinellen Lernen (ÜML). ÜML sind Methoden, die Zusammenhänge in (Sensor-) Daten anhand vorgegebener Kennzeichnungen (Label) erkennen. Wir verwenden ÜML um „defekt“ und „intakt“ gelabelte Bereiche in einem Multisensordatensatz zu unterscheiden. Unser Datensatz besteht aus 18 Messkampagnen und enthält jeweils PM-, Bodenradar-, Mikrowellen-Feuchte- und Wenner-Widerstandsdaten. Exakte Label für veränderliche UmweltbedingungenPotentialfeldmessung (PM) ist die beliebteste Methode der Zerstörungsfreien Prüfung (ZfP) zur Lokalisierung von aktiver Betonstahlkorrosion. PM wird durch Parameter wie z. B. Feuchtigkeits- und Chloridgradienten im Bauteil beeinflusst, so dass die Sensitivität gegenüber der räumlich sehr begrenzten, aber gefährlichen Lochkorrosion gering ist. Wir zeigen in dieser Studie, wie zusätzliche Messinformationen mit Multisensor-Datenfusion genutzt werden können, um die Detektionsleistung zu verbessern und die Auswertung zu automatisieren. Die Fusion basiert auf überwachtem maschinellen Lernen (ÜML). ÜML sind Methoden, die Zusammenhänge in (Sensor-) Daten anhand vorgegebener Kennzeichnungen (Label) erkennen. Wir verwenden ÜML um „defekt“ und „intakt“ gelabelte Bereiche in einem Multisensordatensatz zu unterscheiden. Unser Datensatz besteht aus 18 Messkampagnen und enthält jeweils PM-, Bodenradar-, Mikrowellen-Feuchte- und Wenner-Widerstandsdaten. Exakte Label für veränderliche Umweltbedingungen wurden in einer Versuchsanordnung bestimmt, bei der eine Stahlbetonplatte im Labor kontrolliert und beschleunigt verwittert. Der Verwitterungsfortschritt wurde kontinuierlich überwacht und die Korrosion gezielt erzeugt. Die Detektionsergebnisse werden quantifiziert und statistisch ausgewertet. Die Datenfusion zeigt gegenüber dem besten Einzelverfahren (PM) eine deutliche Verbesserung. Wir beschreiben die Herausforderungen datengesteuerter Ansätze in der zerstörungsfreien Prüfung und zeigen mögliche Lösungsansätze.zeige mehrzeige weniger

Volltext Dateien herunterladen

Metadaten exportieren

Weitere Dienste

Teilen auf Twitter Suche bei Google Scholar Anzahl der Zugriffe auf dieses Dokument
Metadaten
Autor*innen:Christoph VölkerORCiD, Sabine KruschwitzORCiD, Gino EbellORCiD
Dokumenttyp:Zeitschriftenartikel
Veröffentlichungsform:Graue Literatur
Sprache:Deutsch
Titel des übergeordneten Werkes (Deutsch):The e-journal of nondestructive testing & ultrasonics
Jahr der Erstveröffentlichung:2018
Organisationseinheit der BAM:7 Bauwerkssicherheit
7 Bauwerkssicherheit / 7.6 Korrosion und Korrosionsschutz
8 Zerstörungsfreie Prüfung
8 Zerstörungsfreie Prüfung / 8.0 Abteilungsleitung und andere
Veröffentlichende Institution:Bundesanstalt für Materialforschung und -prüfung (BAM)
Verlag:NDT.net
Verlagsort:Kirchwald
Jahrgang/Band:23
Ausgabe/Heft:9
Aufsatznummer:23106
Erste Seite:1
Letzte Seite:9
DDC-Klassifikation:Naturwissenschaften und Mathematik / Chemie / Analytische Chemie
Freie Schlagwörter:Beton; Datenfusion; Korrosion; Maschinelles Lernen; ZfP
Themenfelder/Aktivitätsfelder der BAM:Chemie und Prozesstechnik
Veranstaltung:DGZfP Jahrestagung 2018
Veranstaltungsort:Leipzig, Germany
Beginndatum der Veranstaltung:07.05.2018
Enddatum der Veranstaltung:09.05.2018
URN:urn:nbn:de:kobv:b43-444852
URL:http://www.ndt.net/?id=23106
ISSN:1435-4934
Verfügbarkeit des Dokuments:Datei für die Öffentlichkeit verfügbar ("Open Access")
Lizenz (Deutsch):License LogoCreative Commons - CC BY-ND - Namensnennung - Keine Bearbeitungen 4.0 International
Datum der Freischaltung:19.03.2018
Referierte Publikation:Nein
Schriftenreihen ohne Nummerierung:Wissenschaftliche Artikel der BAM
Einverstanden
Diese Webseite verwendet technisch erforderliche Session-Cookies. Durch die weitere Nutzung der Webseite stimmen Sie diesem zu. Unsere Datenschutzerklärung finden Sie hier.