Filtern
Erscheinungsjahr
- 2024 (3) (entfernen)
Dokumenttyp
- Vortrag (2)
- Forschungsbericht (1)
Sprache
- Deutsch (3)
Referierte Publikation
- nein (3)
Schlagworte
- Ultraschallprüfung (3) (entfernen)
Organisationseinheit der BAM
Eingeladener Vortrag
- nein (2)
Derzeit ist die Instandhaltung von großen Betontragwerken wie Brücken oder Windenergieanlagen problemorientiert und von einem reaktiven Vorgehen geprägt. Das bedeutet, erst wenn sichtbare Schäden vorliegen, werden diese meist unter Beeinträchtigung des Betriebs instand gesetzt. Im Hinblick auf die Entwicklung von prädiktiven Instandhaltungsstrategien, deren Fokus in der langfristigen Bauwerksüberwachung und der Vorhersage von Schädigungsentwicklungen liegt, wurde die Anwendung von Ultraschallverfahren für die Identifizierung der Degradationsprozesse von Betontragwerken unter Ermüdungsbeanspruchung untersucht. Hierzu fanden Arbeiten im vom Bundesministerium für Wirtschaft und Klimaschutz (BMWK) geförderten Verbundprojekt WinConFat zum "Einfluss der Probengeometrie und -größe auf die Ermüdung von Beton" an der Bundesanstalt für Materialforschung und -prüfung (BAM) und zu den "Methoden zur Zustandsanalyse von Windenergieanlagen" am Institut für Massivbau (IfMa) der Leibniz Universität Hannover (LUH) statt, welches zudem vom Deutschen Beton- und Bautechnik Verein e.V. (Forschungsvorhaben DBV-311) gefördert wurde. Dabei wurden verschiedene Einflussfaktoren auf die Schädigungsentwicklung unter Ermüdungsbeanspruchung wie die Probekörpergröße, das Belastungsniveau und die Betonfestigkeit untersucht. Als Schädigungsindikator und Vergleichsparameter wurden die Ultraschallgeschwindigkeit und der dynamische E-Modul des Betons verwendet. Um das Potential der Schädigungserfassung im Beton mittels Ultraschallprüfung umfassender zu bewerten, wurden zusätzlich Versuche an Betonproben unter monoton steigender Belastung, Kriechversuche, Temperaturversuche und Untersuchungen an großformatigen Balken durchgeführt.
Im Rahmen des Forschungsprojekts "Artificial Intelligence for Rail Inspection" (AIFRI) wird ein KI-Algorithmus entwickelt, um die Fehlererkennung und Bewertung bei der Auswertung von Schienenprüfungen mittels Ultraschall- und Wirbelstromprüfverfahren zu verbessern. Je nach Prüfverfahren werden relevante Schienenschädigungen (z. B. Head Checks) und Artefakte (z. B. Bohrungen) entsprechend analysiert und in einem parametrisierbaren digitalen Zwilling abgebildet, um anschließend die KI-Algorithmen trainieren zu können. Mit der Simulation können Prüffahrten virtuell durchgeführt und Schadensbilder für das KI-Training erzeugt werden, die das Verhalten komplexer Systeme reproduzieren, ohne dass das reale System benötigt wird. Die Modellannahmen sind dabei von erheblicher Bedeutung, denn unzureichende Modellannahmen führen leicht zu falschen Simulationsergebnissen. Um die Ergebnisse einer Simulation ordnungsgemäß darstellen zu können, ist das Simulationsmodell selbst zu überprüfen.
Die Vollständigkeit, Richtigkeit und Genauigkeit der Simulationsergebnisse werden anhand von realen Prüfungen verifiziert. Für die Verifikation der Ultraschallsimulation werden hier Stegbohrungen als Referenzreflektoren herangezogen. Als Testkörper stehen Schienensegmente mit unterschiedlichen Profiltypen sowie speziell angefertigte Testkörper mit schienenähnlicher Geometrie zur Verfügung. In den Testkörpern befinden sich künstliche und reale Schädigungen in Kopf-, Steg- und Fußbereich, sowie Bohrungen mit Nuten. Die Validierung der Wirbelstromsimulation erfolgt an Testkörpern, die aus Schienenköpfen gefertigt sind. Dabei werden die Signale für unterschiedliche Nuttiefen und Nutenpaare mit unterschiedlichen Abständen untersucht.
Für die Modellierung der Simulationsergebnisse verweisen wir auf das ebenfalls eingereichte Poster „Simulation von Ultraschall- und Wirbelstromprüfdaten für die Schienenprüfung“.
Das Projekt AIFRI wird im Rahmen der Innovationsinitiative mFUND unter dem Förderkennzeichen 19FS2014 durch das Bundesministerium für Digitales und Verkehr gefördert.
Bei der zerstörungsfreien Prüfung verlegter Eisenbahnschienen werden die Rohdaten derzeit in proprietären Datenformaten gespeichert und auf Datenträgern zwischen den Prüfzügen und den auswertenden Stellen versendet. Die proprietären Datenformate sind in der Regel nur den Herstellern der Prüfsysteme bekannt und deren Dokumentation nicht allgemein zugänglich.
Das Forschungsprojekt „Artificial Intelligence for Rail Inspection“ (AIFRI) erfordert den Austausch von Prüfdaten in einem offenen Format sowohl zwischen den Projektpartnern als auch die Veröffentlichung anonymisierter Daten ausgewählter Strecken aus dem Offenen Digitalen Testfeld (ODT). Wir haben uns in dem Projekt für die Verwendung der „Standard Practice for Digital Imaging and Communication in Nondestructive Evaluation“ (DICONDE) entschieden. DICONDE basiert auf dem medizinischen Standard „Digital Imaging and Communication in Medicine“ (DICOM) und wurde von ASTM an die ZfP angepasst. DICOM bzw. DICONDE ist nicht nur ein Datenformat, sondern beinhaltet auch Kommunikationsschnittstellen für die Auftragsvergabe, Datenübertragung und Abfrage gespeicherter Datensätze aus einem Archiv.
In dem Vortrag werden DICOM und DICONDE vorgestellt, sowie die Verwendung von DICONDE für die Schienenprüfung im Projekt AIFRI näher erläutert. Es wird gezeigt, wie sich Prüfdaten, Prüfparameter, Streckeninformationen incl. Kilometertafeln und Geokoordinaten und Befunde in DICONDE kodieren lassen.