Inverse determination of elastic material parameters from the propagation behavior of ultrasonic waves using convolutional neuronal networks
- Um aus messtechnisch ermittelten Dispersionsabbildungen geführter Ultraschallwellen 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 Vortrag wird anhand synthetischer Daten gezeigt, wie das Ausbreitungsverhalten von geführten Ultraschallwellen unter Verwendung von CNNs genutzt werden kann, um die isotropen elastischen Konstanten einer plattenförmigen Struktur zu bestimmen.
Autor*innen: | Mathias Held |
---|---|
Dokumenttyp: | Vortrag |
Veröffentlichungsform: | Präsentation |
Sprache: | Englisch |
Jahr der Erstveröffentlichung: | 2021 |
Organisationseinheit der BAM: | 8 Zerstörungsfreie Prüfung |
8 Zerstörungsfreie Prüfung / 8.4 Akustische und elektromagnetische Verfahren | |
DDC-Klassifikation: | Naturwissenschaften und Mathematik / Chemie / Analytische Chemie |
Freie Schlagwörter: | Inverse Probleme; Lamb Wellen; Materialcharakterisierung Convolutional Neuronal Networks; Guided waves; Maschine learning |
Themenfelder/Aktivitätsfelder der BAM: | Chemie und Prozesstechnik |
Veranstaltung: | Doktorandentreffen 2021 |
Veranstaltungsort: | Petershagen/Eggersdorf, Germany |
Beginndatum der Veranstaltung: | 25.10.2021 |
Enddatum der Veranstaltung: | 27.10.2021 |
Verfügbarkeit des Dokuments: | Datei im Netzwerk der BAM verfügbar ("Closed Access") |
Datum der Freischaltung: | 28.01.2022 |
Referierte Publikation: | Nein |
Eingeladener Vortrag: | Nein |