Inverse Bestimmung elastischer Materialparameter aus dem Ausbreitungsverhalten geführter Ultraschallwellen mittels eines Convolutional Neuronal Networks
- Detailliertes Wissen über die mechanischen Eigenschaften verwendeter Materialien ist Grundvoraussetzung für viele ingenieurtechnische Aufgaben und Dienstleistungen. Zur Bestimmung der elastischen Materialparameter gibt es verschiedene klassische, zerstörende Prüfverfahren. Eine Möglichkeit der zerstörungsfreien Bestimmung liegt in der Auswertung von Messergebnissen, die auf Basis des Ausbreitungsverhaltens geführter Ultraschallwellen gewonnen wurden. Das Ausbreitungsverhalten geführter Ultraschallwellen kann mittels Dispersionsabbildungen dargestellt werden. Um aus messtechnisch ermittelten Dispersionsabbildungen Rückschlüsse auf die Materialparameter zu ziehen, werden in der aktuellen Forschung verschiedene inverse Methoden diskutiert. Maschinelles Lernen und insbesondere Convolutional Neural Networks (CNNs) stellen eine Möglichkeit der automatisierten inversen Modellierung und Evaluierung von Bilddaten dar. In diesem Beitrag wird gezeigt, wie das Ausbreitungsverhalten vonDetailliertes Wissen über die mechanischen Eigenschaften verwendeter Materialien ist Grundvoraussetzung für viele ingenieurtechnische Aufgaben und Dienstleistungen. Zur Bestimmung der elastischen Materialparameter gibt es verschiedene klassische, zerstörende Prüfverfahren. Eine Möglichkeit der zerstörungsfreien Bestimmung liegt in der Auswertung von Messergebnissen, die auf Basis des Ausbreitungsverhaltens geführter Ultraschallwellen gewonnen wurden. Das Ausbreitungsverhalten geführter Ultraschallwellen kann mittels Dispersionsabbildungen dargestellt werden. Um aus messtechnisch ermittelten Dispersionsabbildungen Rückschlüsse auf die Materialparameter zu ziehen, werden in der aktuellen Forschung verschiedene inverse Methoden diskutiert. Maschinelles Lernen und insbesondere Convolutional Neural Networks (CNNs) stellen eine Möglichkeit der automatisierten inversen Modellierung und Evaluierung von Bilddaten dar. In diesem Beitrag wird gezeigt, wie das Ausbreitungsverhalten von geführten Ultraschallwellen unter Verwendung von CNNs genutzt werden kann, um die isotropen elastischen Konstanten einer plattenförmigen Struktur zu bestimmen. Hierfür werden die verwendeten Daten analysiert, das Preprocessing erläutert und eine grundlegende CNN-Architektur gewählt. Zur Auswertung des generierten Modells werden verschiedene Verfahren wie Gradienten-Mapping und die Visualisierung der verschiedenen Schichten vorgestellt. Die Anwendbarkeit der Methode wird anhand synthetischer Daten demonstriert.…
Autor*innen: | Mathias Held, Abdalla Rashwan, Jannis BullingORCiD, Yevgeniya LugovtsovaORCiD, Maik Lauschkin, Jens PragerORCiD |
---|---|
Dokumenttyp: | Beitrag zu einem Tagungsband |
Veröffentlichungsform: | Graue Literatur |
Sprache: | Deutsch |
Titel des übergeordneten Werkes (Deutsch): | Tagungsband DAGA 2021 - 47. Jahrestagung für Akustik |
Jahr der Erstveröffentlichung: | 2021 |
Organisationseinheit der BAM: | 8 Zerstörungsfreie Prüfung |
8 Zerstörungsfreie Prüfung / 8.4 Akustische und elektromagnetische Verfahren | |
Jahrgang/Band: | 47 |
Erste Seite: | 659 |
Letzte Seite: | 662 |
DDC-Klassifikation: | Naturwissenschaften und Mathematik / Chemie / Analytische Chemie |
Freie Schlagwörter: | Dispersion; Geführte Ultraschallwellen; Inverse Probleme; Lamb Wellen; Maschinelles Lernen; Materialcharakterisierung |
Themenfelder/Aktivitätsfelder der BAM: | Chemie und Prozesstechnik |
Veranstaltung: | DAGA 2021 |
Veranstaltungsort: | Vienna, Austria |
Beginndatum der Veranstaltung: | 15.08.2021 |
Enddatum der Veranstaltung: | 18.08.2021 |
ISBN: | 978-3-939296-18-8 |
Verfügbarkeit des Dokuments: | Datei im Netzwerk der BAM verfügbar ("Closed Access") |
Datum der Freischaltung: | 11.10.2021 |
Referierte Publikation: | Nein |