Softwaregestützte Bestimmung von Bruchmechanismen und Bruchflächenmerkmalen mittels Machine Learning und Topographie-Informationen
- Ziel von fraktographischen Untersuchungen ist die Auswertung von makroskopischen und mikroskopischen Bruchflächenmerkmalen und daraus resultierend die Bestimmung des Bruchmechanismus eines Bauteils aus einem Schadensfall. Die Grundlage für die Bewertung von Bruchmerkmalen stammt dabei aus zuvor durchgeführten eigenen Vergleichsversuchen und aus der Literatur. Eine fraktographische Analyse kann sehr aufwändig sein und setzt in jedem Fall erhebliches Erfahrungswissen voraus. Im IGF-Vorhaben „iFrakto“ wird Software entwickelt, die auf Basis von digitalisiertem Expertenwissen, Machine Learning und unter Zuhilfenahme von Topographie-Daten anhand von REM-Aufnahmen Bruchmerkmale und Bruchmechanismen quantitativ bestimmt, s. Abbildung. Solche Software soll mittelfristig direkt am REM oder bei der nachfolgenden Auswertung wissensbasierte Vorschläge für die Bewertung von Bruchflächen liefern. Als Grundlage hierfür wurden Ringversuche unter Fraktograph/inn/en durchgeführt, um die Wissensbasis zuZiel von fraktographischen Untersuchungen ist die Auswertung von makroskopischen und mikroskopischen Bruchflächenmerkmalen und daraus resultierend die Bestimmung des Bruchmechanismus eines Bauteils aus einem Schadensfall. Die Grundlage für die Bewertung von Bruchmerkmalen stammt dabei aus zuvor durchgeführten eigenen Vergleichsversuchen und aus der Literatur. Eine fraktographische Analyse kann sehr aufwändig sein und setzt in jedem Fall erhebliches Erfahrungswissen voraus. Im IGF-Vorhaben „iFrakto“ wird Software entwickelt, die auf Basis von digitalisiertem Expertenwissen, Machine Learning und unter Zuhilfenahme von Topographie-Daten anhand von REM-Aufnahmen Bruchmerkmale und Bruchmechanismen quantitativ bestimmt, s. Abbildung. Solche Software soll mittelfristig direkt am REM oder bei der nachfolgenden Auswertung wissensbasierte Vorschläge für die Bewertung von Bruchflächen liefern. Als Grundlage hierfür wurden Ringversuche unter Fraktograph/inn/en durchgeführt, um die Wissensbasis zu schaffen, die praxisrelevanten Anforderungen an solche Software abzufragen und erste Praxistests durchzuführen. Die bisherigen Ergebnisse werden vorgestellt und die Relevanz der Auswertestrategie und unterschiedlicher Sensordaten bewertet.…
Autor*innen: | U. Sonntag |
---|---|
Koautor*innen: | B. Botsch, Dirk BettgeORCiD, Lennart Schmies, Anna Yarysh, M. Hemmleb |
Dokumenttyp: | Vortrag |
Veröffentlichungsform: | Präsentation |
Sprache: | Deutsch |
Jahr der Erstveröffentlichung: | 2022 |
Organisationseinheit der BAM: | 5 Werkstofftechnik |
5 Werkstofftechnik / 5.1 Mikrostruktur Design und Degradation | |
DDC-Klassifikation: | Technik, Medizin, angewandte Wissenschaften / Ingenieurwissenschaften / Ingenieurwissenschaften und zugeordnete Tätigkeiten |
Freie Schlagwörter: | Fraktographie; Machine Learning; Topographie |
Themenfelder/Aktivitätsfelder der BAM: | Material |
Veranstaltung: | 56. Metallographie-Tagung |
Veranstaltungsort: | Saarbrücken, Germany |
Beginndatum der Veranstaltung: | 21.9.2022 |
Verfügbarkeit des Dokuments: | Datei im Netzwerk der BAM verfügbar ("Closed Access") |
Datum der Freischaltung: | 10.10.2022 |
Referierte Publikation: | Nein |
Eingeladener Vortrag: | Nein |