Filtern
Dokumenttyp
- Vortrag (17)
- Beitrag zu einem Tagungsband (11)
- Posterpräsentation (8)
- Zeitschriftenartikel (4)
Schlagworte
- Simulation (40) (entfernen)
Organisationseinheit der BAM
- 8 Zerstörungsfreie Prüfung (40) (entfernen)
Eingeladener Vortrag
- nein (17)
Non-destructive testing of rail tracks is carried out by using rail inspection cars equipped with ultrasonic and eddy current measurement. The evaluation of test data is mainly done manually, supported by a software tool which pre-selects relevant indications shown to the evaluators. The resulting indications have to be checked on-site using hand-held testing equipment. Maintenance interventions are then derived on the basis of these on-site findings.
Overall aim of the AIFRI (Artificial Intelligence For Rail Inspection) project - funded by the German Federal Ministry of Digital and Transport (BMDV) as part of the mFUND programme under funding code 19FS2014 – is to increase the degree of automation of the inspection process from the evaluation of the data to the planning of maintenance interventions. The accuracy of defect detection shall be increased by applying AI methods in order to enable an automated classification of detected indications into risk classes. For this purpose, data from both eddy current inspections and ultrasonic inspections will be used in combination.
Within the framework of this data-driven project, relevant defect patterns and artefacts present in the rail are analysed and implemented into a configurable digital twin. With the help of this digital twin virtual defects can be generated and used to train AI algorithms for detection and classification. With the help of reliability assessment trained AI algorithms will be evaluated with regard to the resulting quality in defect detection and characterisation.
A particular aspect of the development of AI methods is the data fusion of different NDT data sources: Thereby, synergies are used that arise from linking eddy current and ultrasonic inspection data in a combined model.
In the course of the project a demonstrator consisting of the developed IT-tool and an asset management system will be implemented and tested in the field using real-world data.
In diesem Vortrag werden die aktuellen Techniken für die angewandte mechanisierte Schienenprüfung dargestellt und Perspektiven für die Zukunft der handgeführten und fahrzeuggeführten Prüftechnik aufgezeigt. Insbesondere wird hier die bildhafte Darstellung, der zusätzliche Nutzen von Arraysensoren sowie die Möglichkeiten der Simulation von Schienenfehlern vorgestellt.
The interest in using computer simulations of dimensional x-ray computed tomography (dXCT) for various metrological purposes—such as measurement planning, performance prediction, performance optimisation and, finally, measurement uncertainty estimation—is increasing along with the ever-growing demand for more reliable measurements with dXCT. However, before a piece of simulation software can be used for tasks related to coordinate metrology, it has to be ensured that it is able to simulate physical laws, characteristic effects and basic CT system functionalities correctly and with sufficient accuracy. In short, the software must be qualified for dimensional metrology tasks. As one part of such a qualification process, a method is presented here for determining conformity intervals of 2D tests (projection-based tests) based on 3D tests (testing based on dimensional evaluations in a reconstructed volume) for the assessment of dXCT simulation software. The method consists of varying relevant parameter values in order to verify their influence on 3D measurement results. The results of the 3D tests with varied parameter values are then transferred to the quantities tested in the 2D tests and used as the basis for determining conformity intervals. Two approaches are applied for determining whether or not a variation of a parameter value is significant: (a) statistical and (b) heuristic. Two examples are presented, each based on simulated images, which show the application of the two different approaches for determining conformity intervals for the results of the 2D tests.
Im Rahmen des Forschungsprojekts "Artificial Intelligence for Rail Inspection" (AIFRI) wird ein KI-Algorithmus entwickelt, um die Fehlererkennung bei der Auswertung von Schienenprüfungen zu verbessern. Der Prozess der mechanisierten Schienenprüfung wird analysiert und die Schienenfehler sowie Artefakte werden in einem digitalen Zwilling abgebildet, um in einem weiteren Schritt die automatische Fehlererkennung und Klassifizierung mit KI-Algorithmen trainieren zu können. Zu diesem Zweck werden Ultraschalldatensätze auf der Grundlage der Regelwerke und Informationen aus der Instandhaltung mit einer Simulationssoftware erstellt, die Anzeigen der verschiedenen Schienenschädigungen und Artefakte enthalten.
Die Schienenfehler werden bei der Auswertung in Fehlerklassen eingeordnet, für das KI-Training priorisiert und auf Basis der von der DB Netz AG ausgewählten Informationen untersucht. Hierfür werden die Schienenfehler nach den für das KI-Training relevanten Merkmalen zerlegt und die Konfiguration der Parameter der Simulation entsprechend abgestimmt.
Für die Grundstruktur des Datensatzes wird ein Schienenmodell mit einer Länge von einem Meter für die Simulation eingesetzt, auf dessen Basis alle bei der Schienenprüfung zu verwendenden Prüfköpfe für den jeweiligen Reflektortyp betrachtet werden. Die simulierten Daten werden auf einer Testschiene im Labormaßstab validiert. Mögliche Einflussparameter wie z. B. der Signal-Rausch-Abstand sowie die Fahrgeschwindigkeit werden in den Datensätzen herangezogen. Die Zusammenstellung eines Testdatensatzes mit lokal veränderlichen Einflussgrößen erfolgt aus den simulierten Daten unter Verwendung der skriptbasierten Programmierumgebung Python und Matlab.
Das Projekt AIFRI wird im Rahmen der Innovationsinitiative mFUND unter dem Förderkennzeichen 19FS2014 durch das Bundesministerium für Digitales und Verkehr gefördert.
Structural Health Monitoring (SHM) mittels geführter Ultraschallwellen ermöglicht eine kontinuierliche Überwachung komplexer Bauteile und liefert umfangreiche Informationen über deren strukturelle Integrität. Die aufgezeichneten Signale sind jedoch komplex und werden daher zunehmend mittels KI verarbeitet, um Anomalien in der Systemintegrität automatisch zu erkennen. Eine Herausforderung dabei ist jedoch das Trainieren solcher KI-Modelle, da dafür große Mengen an Trainingsdaten inklusive diverser Schadensfälle benötigt werden, um eine hohe Genauigkeit und Zuverlässigkeit zu gewährleisten. Experimentelle Generierung dieser Daten ist wegen des enormen Zeit- und Kostenaufwands nicht möglich.
Eine Alternative hierfür bieten die numerischen Simulationen, da dadurch Trainingsdaten für beliebige Anzahl an Schadenskonfigurationen erzeugt werden können. Das Hauptproblem dabei ist jedoch die Abweichung zwischen den experimentellen und simulierten Daten (durch z.B. Abweichungen bei der Geometrie, Randbedingungen oder Materialparameter). Um diese Abweichungen zu reduzieren bzw. zu eliminieren, wird ein KI-Modell mit einer Autoencoder-Decoder Architektur vorgestellt, die mittels eines Experiments kalibriert werden kann und anschließend in der Lage ist, die Genauigkeit der Simulationsergebnisse nachträglich zu erhöhen.
Bei der simulationsunterstützten Planung kritischer Ultraschallprüfaufgaben ist die detaillierte Kenntnis der Parameter der eingesetzten Prüfköpfe von entscheidender Bedeutung. Durch die, in den Regelwerken (DIN EN ISO 22232-2) zugelassenen Toleranzen bei der Herstellung der Prüfköpfe sind einige Prüfkopfparameter nur ungefähr bekannt. Durch die Alterung von Prüfköpfen und Verschleiß können auch Parameter variieren, die nicht vollständig durch die erforderliche Justierung ausgeglichen werden können. Daher sind zusätzlichen Vorversuche oft unvermeidlich. In dieser Arbeit wurden nach einer statistischen Versuchsplanung (DoE) Untersuchungen zur relativen Echo-Empfindlichkeit von konventionellen Prüfköpfen durchgeführt. Die Auswertung wurde für prüfkopfbezogene und personenbezogene Stichproben durchgeführt. Es wird gezeigt, wie weit die Daten um den Zentralwert herum verteilt sind bzw. wie sehr sich das Testobjekt im untersuchten Merkmal unterscheidet. Gerade in Hinblick auf die Beurteilung der intrinsischen Fähigkeit von Prüfverfahren und der Human Factors wird das POD-Analysekonzept zur quantitativen Bewertung der Zuverlässigkeit weiterentwickelt. Die HF-Quantifizierung bezieht sich auf verschiedene Faktoren und Methoden, die in der Veröffentlichung von M. Bertovic et al. [1] ausführlich beschrieben wurden. Die Schritte, die für das Bewertungsverfahren zur POD-Analyse erforderlich sind, werden in der Veröffentlichung von D. Kanzler et al. [2] detailliert dargestellt. Die grundlegenden Anforderungen an die Testkörpersätze für die POD-Analyse wurden in der Publikation von A. Jüngert et al. [3] zusammengefasst. Diesbezüglich wurden mit Hilfe von Simulationsrechnungen die möglichen Abweichungen an Beispielen der im Projekt norm- POD ausgewählten Prüfanordnungen dargestellt. Die Ergebnisse wurden Messungen an Testkörpern gegenübergestellt.
Radiografische Simulationswerkzeuge wie aRTist, ScorpiusXLab, SimCT oder CIVA CT verwenden analytische Methoden und physikalische Monte-Carlo-Teilchentransportsimulationen, um die Interaktionsprozesse zwischen Röntgenstrahlung und Materie zu simulieren. Die berechneten Projektionen bilden anschließend unter Berücksichtigung einer definierten Scan-Trajektorie die Basis der Simulation einer röntgencomputertomografischen Untersuchung.
Für den erfolgreichen Einsatz der Computertomografie, sei es als zerstörungsfreie Prüfmethode oder beim dimensionellen Messen, ist es generell notwendig, bekannte Fehler- bzw. Abweichungsquellen des Messverfahrens auszuschließen oder zu reduzieren. Dabei hat sich gezeigt, dass die Auswahl der Messparameter und die Erfahrung des Anwenders direkten Einfluss auf das erzielbare Messergebnis einer computertomografischen Untersuchung nehmen. Es ist daher sinnvoll, die Parameterauswahl in einem virtuellen Simulationsaufbau vorher zu erproben und an die Messaufgabe anzupassen.
Neben der Optimierung von Messparametern finden radiografische Simulationswerkzeuge auch Anwendung für Machbarkeitsstudien und werden zur Schulung von Anwendern im Bereich der Röntgen-Computertomografie verwendet.
Radiografische Simulationswerkzeuge befinden sich in einem stetigen Wandel, beispielsweise durch die Entwicklung neuer Rekonstruktionsmethoden, durch Erweiterung von analytischen Modellen, durch Integration komplexer Trajektorien oder durch Berücksichtigung von prozessbedingten geometrischen Abweichungen. Im laufenden EMPIR-Projekt „AdvanCT“ entsteht deshalb ein „Good Practice Guide“ für die Simulationsumgebung aRTist. Ziel dieses Guides ist es, die mit steigender Komplexität verbundenen Einstiegshürden für Anwender von aRTist zu reduzieren, um damit einen praxisnahen Zugang zur virtuellen Computertomografie zu ermöglichen. Dabei werden anhand von praktisch nachvollziehbaren Beispielen die grundlegenden Mechanismen der Simulationsumgebung erklärt und ein strukturierter Leitfaden zur Simulation röntgencomputertomografischer Untersuchungen mit aRTist vermittelt.
In diesem Beitrag werden erste Auszüge des Guides sowie eine Übersicht der weiteren geplanten Themen für die anschließende Diskussion vorgestellt.
The lack of traceability to meter of X-ray Computed Tomography (CT) measurements still hinders a more extensive acceptance of CT in coordinate metrology and industry. To ensure traceable, reliable, and accurate measurements, the determination of the task-specific measurement uncertainty is necessary. The German guideline VDI/VDE 2630 part 2.1 describes a procedure to determine the measurement uncertainty for CT experimentally by conducting several repeated measurements with a calibrated test specimen. However, this experimental procedure is cost and effort intensive. Therefore, the simulation of dimensional measurement tasks conducted with X-ray computed tomography can close these drawbacks. Additionally, recent developments towards a resource and cost-efficient production (“smart factory”) motivate the need for a corresponding numerical model of a CT system (“digital twin”) as well. As there is no standardized procedure to determine the measurement uncertainty of a CT system by simulation at the moment, the project series CTSimU was initiated, aiming at this gap. Concretely, the goal is the development of a procedure to determine the measurement uncertainty numerically by radiographic simulation. The first project (2019-2022), "Radiographic Computed Tomography Simulation for Measurement Uncertainty Evaluation - CTSimU" developed a framework to qualify a radiographic simulation software concerning the correct simulation of physical laws and functionalities. The most important outcome was a draft for a new guideline VDI/VDE 2630 part 2.2, which is currently under discussion in the VDI/VDE committee. The follow-up project CTSimU2 "Realistic Simulation of real CT systems with a basic-qualified Simulation Software" will deal with building and characterizing a digital replica of a specific real-world CT system. The two main targets of this project will be a toolbox including methods and procedures to configure a realistic CT system simulation and to develop tests to check if this replica is sufficient enough. The result will be a draft for a follow-up VDI/VDE guideline proposing standardized procedures to determine a CT system's corresponding characteristics and test the simulation (copy) of a real-world CT system which we call a "digital twin".
Seit beinahe 50 Jahren werden Zuverlässigkeitsbewertungen zerstörungsfreier Prüfverfahren erfolgreich in unterschiedlichen Industriebranchen eingesetzt. Dennoch gibt es weiterhin viele Vorbehalte, da die Bewertungsgrundlage nicht standardisiert ist und konkrete Handlungsanweisungen fehlen. Dem gegenüber steht die Anerkennung in der ZfP-Community. Es ist bisher nur Wenigen bekannt, dass dem Wissen über die Zuverlässigkeit eines zerstörungsfreien Prüfverfahren eineSchlüsselfunktion für die ZfP 4.0 zukommt.
Im Vortrag wird die Notwendigkeit für eine Norm oder eine Richtlinie zum Thema Zuverlässigkeitsbewertungen aufgezeigt. Es wird darauf eingegangen, warum es bisher (in Deutschland) noch keine Richtlinie gab und gibt und was der:die Anwender:innen aus einer Richtlinie zur Zuverlässigkeitsbewertung von ZfP-Prüfverfahren erwarten kann.
Es werden konkrete Schritte und Vorgehensweisen zur Bewertung der Zuverlässigkeit eines Verfahrens aufgezeigt; von der Definition eines Anwendungsfalls, über die Herstellung geeigneter Testkörper bis hin zur Durchführung und Bewertung von Prüfungen unter Einbeziehung von menschlichen Einflüssen. Die Beispiele umfassen sowohl Anwendungen aus dem Bauwesen als auch aus dem Maschinen- und Anlagenbau.
Der Vortrag fasst die bisherigen und geplanten Arbeiten in dem WIPANO Projekt „Normung für die probabilistische Bewertung der Zuverlässigkeit für zerstörungsfreie Prüfverfahren“ zusammen.
Untersuchungen haben gezeigt, dass sich ältere Schafe gut als Modell für die mi-nimalinvasive Behandlung von Osteoporose eignen [1]. Um einen Behandlungs-effekt nachzuweisen, wird dabei unter anderem die Belastungsfähigkeit des Kno-chens durch Druckversuche an kleinen Zylindern aus den behandelten und unbe-handelten Knochen bestimmt. Diese hatten hier einen Durchmesser von 10 mm und eine Höhe von 13 mm. Für den in-situ Druckversuch wurde eine Deben CT5000 verwendet. In einer Serie von Druckerhöhungen wurden die Proben je-weils tomographiert. Dabei ergab sich zunächst, dass mit der µCT innerhalb der Knochen im oberen und unteren Bereich schon Brüche nachgewiesen werden können, obwohl die gemessene Kraftaufnahmekurve keine Unstetigkeit zeigt. Deswegen wurden die starren Probenaufnehmer der Deben Anordnung durch bewegliche Aufnehmer ergänzt, die eine leichte Verkippung der belasteten Ober-flächen ausgleichen können. Ein Vergleich der gemessenen und der aus den µCT-Daten berechneten Verschiebungsfelder ergab trotz der komplexen Struktur der Knochen gute Übereinstimmungen. Diese Verschiebungen wurden dann mit den aus den µCT Daten simulierten mechanischen Druckversuchen, Von-Mise-Spannungen und daraus berechneten Verschiebungen verglichen. (VGStudioMax Simulation).