Filtern
Dokumenttyp
- Vortrag (7)
- Beitrag zu einem Tagungsband (2)
Referierte Publikation
- nein (9)
Schlagworte
- MVT (6)
- CNN (4)
- KI (3)
- AI (2)
- CTS (2)
- Neuronales Netzwerk (2)
- Varestraint (2)
- Erstarrungsrisse (1)
- Heißrisse (1)
- Semantic Segmentation (1)
Organisationseinheit der BAM
- 9 Komponentensicherheit (9) (entfernen)
Eingeladener Vortrag
- nein (7)
Erstarrungsrisse bilden sich beim Schweißen hinter dem Schmelzbad. Im verwendeten MAG-Schweißverfahren wurden stark eingespannte Schweißungen mit verschiedenen hochfesten Schweißzusätzen durchgeführt. Alle verwendeten Zusätze weisen unter gewöhnlicher Einspannung keine Tendenz zur Erstarrungsrissbildung auf. In Abhängigkeit der verwendeten Schweißparameter und des Einspanngrades konnten Erstarrungsrisse in den Nähten festgestellt werden. Die Versuche zeigen, dass beim Schweißen hochfester und stark eingespannter Kehlnähte eine Kombination von hohen Wärmeeinträgen und Schweißgeschwindigkeiten zu erhöhter Bildung von Erstarrungsrissen führen kann.
Controlled Thermal Severity (CTS) tests are known for applicatying high restraint intensity to fillet welds. Due to two different variations of the test it was possible to apply different amounts of restraint intensity to high-strength GMAW fillet welds at a high level of restraint. The results show the effect of heat input, filler material and restraint intensity on solidification cracking susceptibility.
Der Modifizierte Varestraint-Transvarestraint-Test wird an der Bundesanstalt für Materialforschung und -prüfung als Variante des Varestraint-Tests verwendet. Die Auswertung dieser Tests findet klassisch durch Abmessungen der entstandenen Risse unter dem Lichtmikroskop statt. Eine solche Auswertung ist aufwendig und fehleranfällig. Convolutional Neural Networks können trainiert werden, um die Risse auf digitalen Bildern zu segmentieren, wodurch der menschliche Fehler in der Auswertung eliminiert werden kann. Die Ergebnisse können durch Overlay mit den Originalbildern verglichen werden.
Enhanced crack detection method using Convolutional Neural Networks for Varestraint type tests
(2023)
Varstraint type tests are globally established in the measurement of hot cracking susceptibility of welds. Evaluation of such tests is done under a light microscope and can be heavily influenced by human subjectivity. To reduce the human error source in evaluation, a concept based on Convolutional Neural Networks (CNNs) is proposed. An AI was constructed and trained on self-produced data to detect and segment cracks in microscope images. The advantages, besides a faster evaluation, include higher precision and the availability of data that was not available before.
Der MVT-Test ist die an der BAM entwickelte und genutzte Version des Varestraint-Tests der weltweit für die Charakterisierung der Erstarrungsrissanfälligkeit von Schweißzusätzen und Legierungen eingesetzt wird. Die Auswertung solcher Tests erfolgt klassisch unter dem Lichtmikroskop. Durch Automatisierung des Auswerteprozesses mit KI kann der Informationsgehalt des Tests besser ausgeschöpft und eine höhere Vergleichbarkeit zwischen Testergebnissen gewährleistet werden.
Einfluss der Schweiß- und Prüfparameter bei der Heißrissbewertung hochfester Schweißzusatzwerkstoffe
(2023)
Die Heißrissneigung beim Schweißen kann mittels einer ganzen Reihe von Prüfverfahren ermittelt werden. Eine etablierte Methode ist die sogenannte Varestraint-Prüfung, welche auch an der Bundesanstalt für Materialforschung und -prüfung (BAM) als modifizierter Varestraint/Transvarestraint-Test (MVT) zum Einsatz kommt. Die Ergebnisse von Varestraint-Prüfungen hängen jedoch stets in unter-schiedlichem Maße von der individuellen Prüfmaschinenauslegung und den verwendeten Prüfparametern ab. Dies kann zu einer uneinheitlichen Bewertung des Rissverhaltens führen, wenn die Risslänge konventionell als Kriterium für die Rissneigung herangezogen wird. Scheinbare Abhängigkeiten von Prozessparametern erschweren dann die Interpretation der Ergebnisse. Eine neuartige Bewertungsmethodik entkoppelt den Maschineneinfluss vom Materialverhalten und verwendet die Dehnrate als Risskriterium.
Der modifizierte Varestraint-Transvarestraint-Test (MVT-Test) ist die an der BAM vorherrschende Version des Varestraint-Tests der weltweit Anwendung findet. Die Auswertung des Tests erfolgt durch Messen von Risslängen unter dem Lichtmikroskop. Der Vortrag beleuchtet Theorien über die Aussagekraft der Messung, stellt neue Herangehensweisen vor und vergleicht diese anhand von Beispielen.
Durch die Anwendung von Convolutional Neural Networks (CNNs) kann die Auswertung von Modifizierten Varestraint-Transvarestraint-Tests (MVT) erheblich verbessert werden. Im MVT-Test werden Proben während des Schweißvorgangs über einen Zylinder gebogen. Die auf der Oberfläche der Probe sichtbare Rissstruktur gibt über Parameter wie die Gesamtrisslänge Auskunft über die Erstarrungsrissbeständigkeit der verwendeten Kombination aus Grundstoff, Schweißzusatz und Schweißparametern. Jedoch kann eine Auswertung unter dem Mikroskop sehr aufwendig sein und je nach Beobachter unterschiedliche Ergebnisse liefern. Mit Hilfe von CNNs wird die Auswertung der Risse automatisiert was Genauigkeit, Geschwindigkeit und Vergleichbarkeit verbessert.