Filtern
Erscheinungsjahr
Dokumenttyp
- Beitrag zu einem Tagungsband (90)
- Zeitschriftenartikel (67)
- Vortrag (63)
- Posterpräsentation (26)
- Beitrag zu einem Sammelband (10)
- Dissertation (5)
- Forschungsbericht (5)
- Forschungsdatensatz (3)
- Video (1)
- Preprint (1)
Sprache
- Englisch (204)
- Deutsch (66)
- Mehrsprachig (1)
Schlagworte
- Simulation (271) (entfernen)
Organisationseinheit der BAM
- 8 Zerstörungsfreie Prüfung (44)
- 6 Materialchemie (25)
- 8.4 Akustische und elektromagnetische Verfahren (24)
- 6.6 Physik und chemische Analytik der Polymere (18)
- 8.5 Röntgenbildgebung (15)
- 5 Werkstofftechnik (10)
- 7 Bauwerkssicherheit (8)
- 3 Gefahrgutumschließungen; Energiespeicher (7)
- 6.5 Synthese und Streuverfahren nanostrukturierter Materialien (7)
- 9 Komponentensicherheit (7)
The electrochemical behavior of 4-phenylurazole (Ph-Ur) was studied and the latter was used as a molecular anchor for the electrochemical bioconjugation of tyrosine (Y). Cyclic voltammetry (CV) and controlled potential coulometry (CPC) allowed to generate in situ from phenylurazole the PTAD (4-phenyl-3H-1,2,4-triazole-3,5(4H)-dione) species on demand for tyrosine electrolabeling. To evaluate the performance of tyrosine electrolabeling, coulometric analyses at controlled potentials were performed on solutions of phenylurazole and the phenylurazole-tyrosine mixture in different proportions (2:1, 1:1, and 1:2). The electrolysis of the phenylurazole-tyrosine mixture in the ratio (1:2) produced a charge of 2.07 C, very close to the theoretical value (1.93 C) with high reaction kinetics, a result obtained here for the first time. The products obtained were identified and characterized by liquid chromatography coupled to high-resolution electrospray ionization mass spectrometry (LC-HRMS and LC-HRMMS). Two products were formed from the click reactions, one of which was the majority. Another part of this work was to study the electrochemical degradation of the molecular anchor 4-phenylazole (Ph-Ur). Four stable degradation products of phenylurazole were identified (C7H9N2O, C6H8N, C6H8NO, C14H13N4O2) based on chromatographic profiles and mass spectrometry results. The charge generated during the electrolysis of phenylurazole (two-electron process) (2.85 C) is inconsistent with the theoretical or calculated charge (1.93 C), indicating that secondary/parasitic reactions occurred during the electrolysis of the latter. In conclusion, the electrochemically promoted click phenylurazole-tyrosine reactions give rise to click products with high reaction kinetics and yields in the (1:2) phenylurazole-tyrosine ratios, and the presence of side reactions is likely to affect the yield of the click phenylurazole-tyrosine reaction.
Die zerstörungsfreie Prüfung von Eisenbahnschienen auf betriebsbedingte Schädigungen wird mit Schienenprüfzügen mittels Ultraschall- und Wirbelstromprüfverfahren durchgeführt [1]. Die Auswertung der Prüfdaten erfolgt überwiegend manuell, die eingesetzte Software unterstützt die Auswertenden lediglich durch eine Vorauswahl relevanter Anzeigen. Die Überprüfung der Ergebnisse erfolgt anschließend vor Ort mittels handgeführter Prüfgeräte. Instandhaltungsmaßnahmen werden auf Basis der Befundung vor Ort abgeleitet.
Ziel des durch das Bundesministerium für Digitales und Verkehr (BMDV) im Rahmen von mFUND unter dem Förderkennzeichen 19FS2014 geförderten Vorhabens AIFRI (Artificial Intelligence For Rail Inspection) ist es, durch den Einsatz von KI-Methoden den Automatisierungsgrad des Prüfprozesses von der Auswertung der Daten bis hin zur Planung von Instandhaltungsmaßnahmen zu erhöhen. Die Genauigkeit der Fehlerdetektion soll gesteigert werden, um eine automatisierte Einstufung der aufgefundenen Anzeigen in Risikoklassen zu ermöglichen. Hierfür werden Daten sowohl von Wirbelstromprüfungen als auch Ultraschallprüfungen verwendet.
Im Rahmen des IT-orientierten Projektes werden relevante Schienenschädigungen und in der Schiene vorhandene Artefakte analysiert und in einen parametrierbaren digitalen Zwilling übertragen. Mit diesem digitalen Zwilling werden virtuelle Schädigungsbilder generiert, mit denen KI-Algorithmen auf die Defekterkennung und -klassifizierung trainiert werden. Insbesondere werden hierbei Synergien genutzt, die durch die Verknüpfung von Daten der Wirbelstrom- und Ultraschallprüfung bei einer gemeinsamen Bewertung entstehen. Mit Hilfe von Zuverlässigkeitsbetrachtungen werden die entwickelten und trainierten Algorithmen hinsichtlich der Detektion und Charakterisierung von Schienenschädigungen bewertet.
Im Verlauf des Projektes soll mit dem entwickelten IT-Werkzeug ein Demonstrator aufgebaut und im Feld mit realen Datensätzen getestet werden
The changes in the use and maintenance of track systems poses new challenges for the periodic mechanized in-service testing of rails using ultrasound and eddy current. The methods currently applied have been used since decades with only minor changes. To face the new challenges generated by modern drive systems, higher speeds, heavier loads adapted techniques have to be developed to detect new defect types and artefacts generated by new production methods. Especially the area where rolling contact fatigue takes place is under focus.
Going beyond the standard conventional ultrasound setups used since the 1950 enables a more detailed detection and classification of rail defects and size estimation. Eddy current methods are applied for surface crack detection and head check depth quantification at the gauge corner of railway tracks. An extension of the tested zone to the running surface uncloses rail defect signal types other than head checks to be detected and estimated in type and size.
For the automated evaluation of the recorded data algorithms based on artificial intelligence being trained based on simulation will be applied. Typically, the testing parameter vary depending on the track condition and the probe wear. To identify variables and parameters which have a significant influence on the overall performance of the test run modelling of the setup can be used.
Actual developments will be presented in this talk
Die mechanisierte zerstörungsfreie Prüfung von Eisenbahnschienen auf betriebsbedingte Schädigungen wird mit Schienenprüfzügen mittels Ultraschall- und Wirbelstromprüfverfahren durchgeführt. Die Auswertung der Prüfdaten erfolgt durch Auswerter, die Überprüfung der Ergebnisse erfolgt am identifizierten Schienensegment vor Ort mittels handgeführter Prüfgeräte. Instandhaltungsmaßnahmen werden anschließend auf Basis der Befundung der zerstörungsfreien Prüfung abgeleitet. Im Rahmen eines vom BMVI geförderten Verbundvorhabens im Programm „Digitale, datenbasierte Innovationen und Ideen für die Mobilität 4.0“ (mFUND) soll dieses Konzept modernisiert und weiterentwickelt werden.
Ziele des Vorhabens AIFRI (Artificial Intelligence For Rail Inspection) sind es, durch den Einsatz von KI-Methoden den Automatisierungsgrad des Prüfprozesses zu erweitern, die Genauigkeit der Fehlerdetektion zu erhöhen und eine automatisierte Einstufung der aufgefundenen Anzeigen in Risikoklassen zu ermöglichen. Weiterhin wird auf dieser Basis ein risikobasiertes Instandhaltungskonzept erarbeitet, welches zukünftig das bisherige präventive Vorgehen ablösen kann.
Im Rahmen des IT-orientierten Projektes werden relevante Schienenschädigungen und in der Schiene vorhandene Artefakte analysiert und in skalierbare Modelle übertragen. Mit diesen Modellen werden virtuelle Schädigungsbilder generiert, mit denen KI-Algorithmen auf die Defekterkennung und -klassifizierung trainiert werden. Mit Hilfe von Zuverlässigkeitsbetrachtungen werden die entwickelten und trainierten Algorithmen hinsichtlich der Detektion und Charakterisierung von Schienenschädigungen bewertet.
Im Verlauf des Projektes wird mit dem entwickelten IT-Werkzeug ein Demonstrator aufgebaut und im Feld mit realen Datensätzen getestet.
Das Projekt wird durch das Bundesministerium für Verkehr und digitale Infrastruktur (BMVI) im Rahmen von mFund unter dem Förderkennzeichen 19FS2014 gefördert.
Im Projekt GlasDigital sollen digitale Werkzeuge für die Hochdurchsatzentwicklung neuartiger Glaswerkstoffe erarbeitet werden. Dies soll durch die Kombination robotischer Syntheseverfahren mit selbstlernenden Maschinen und ihre Einbindung in eine Ontologie-basierte digitale Infrastruktur realisiert werden.
Glasses stand out by their wide and continuously tunable chemical composition and large variety of unique shaping techniques making them a key component of modern high technologies. Glass development, however, is still often too cost-, time- and energy-intensive. The use of robotic melting systems embedded in an ontology-based digital environment is intended to overcome these problems in future.
For this purpose, a robotic high throughput glass melting system is equipped with novel inline sensors for process monitoring, machine learning (ML)-based, adaptive algorithms for process monitoring and optimization, novel tools for high throughput glass analysis and ML-based algorithms for glass design. This includes software tools for data mining as well as property and process modelling. The presentation provides an overview of how all these tools merge into a digital infrastructure and illustrates their usability using examples.
All infrastructural parts were developed by a consortium consisting of the Fraunhofer ISC in Würzburg, the Friedrich-Schiller-University Jena (OSIM), the Clausthal University of Technology (INW) and the Federal Institute for Materials Research and Testing (BAM, Division Glasses) as part of a joint project of the German research initiative MaterialDigital.
Gläser zeichnen sich durch eine breite und kontinuierlich abstimmbare chemische Zusammensetzung sowie einzigartige Formgebungstechniken aus, was sie oft zur Schlüsselkomponente moderner Hochtechnologien macht. Die Glasentwicklung ist jedoch oft noch zu kosten-, zeit- und energieintensiv. Der Einsatz von robotergestützten Schmelzsystemen, eingebettet in eine Ontologie-basierte digitale Umgebung, soll diese Probleme in Zukunft überwinden. Im Rahmen der BMBF Forschungsinitiative MaterialDigital unternimmt das Verbundprojekt GlasDigital „Datengetriebener Workflow für die beschleunigte Entwicklung von Glas“ erste Schritte in diese Richtung. Das Projektkonsortium, an dem das Fraunhofer ISC in Würzburg, die Friedrich-Schiller-Universität Jena (OSIM), die Technische Universität Clausthal (INW) und die Bundesanstalt für Materialforschung und -prüfung (BAM, Fachgruppe Glas) beteiligt sind, will alle wesentlichen Basiskomponenten für eine beschleunigte datengetriebene Glasentwicklung zusammenführen. Zu diesem Zweck wird ein robotergestütztes Hochdurchsatz-Glasschmelzsystem mit neuartigen Inline-Sensoren zur Prozessüberwachung, auf maschinellem Lernen (ML) basierenden adaptiven Algorithmen zur Prozessüberwachung und -optimierung, neuartigen Werkzeugen für die Hochdurchsatz-Glasanalyse sowie ML-basierten Algorithmen zum Glasdesign, Data Mining sowie Eigenschafts- und Prozessmodellierung ausgestattet. Der Vortrag gibt einen Überblick darüber, wie all diese Komponenten miteinander verzahnt sind, und veranschaulicht ihre Nutzbarkeit anhand einiger Beispiele.
lasses stand out by their wide and continuously tunable chemical composition and large variety of unique shaping techniques making them a key component of modern high technologies. Glass development, however, is still often too cost-, time- and energy-intensive. The use of robotic melting systems embedded in an ontology-based digital environment is intended to overcome these problems in future. As part of the German research initiative MaterialDigital, the joint project GlasDigital takes first steps in this direction. The project consortium involves the Fraunhofer ISC in Würzburg, the Friedrich Schiller University Jena (OSIM), the Clausthal University of Technology (INW), and the Federal Institute for Materials Research and Testing (BAM, Division Glasses) and aims to combine all main basic components required for accelerated data driven glass development. For this purpose, a robotic high throughput glass melting system is equipped with novel inline sensors for process monitoring, machine learning (ML)-based, adaptive algorithms for process monitoring and optimization, novel tools for high throughput glass analysis and ML-based algorithms for glass design, including software tools for data mining as well as property and process modelling. The talk gives an overview how all these tools are interconnected and illustrates their usability with some examples.
GlasDigital
(2023)
Although intense wildfire research has been done in the US and in Australia, it cannot be transferred directly to the situation in Europe as the local vegetation has a significant influence on the fire spread. The EU-funded project TREEADS and the so-called German pilot within the project are concentrating on wildfire in Europe. Extensive experimental research is done on local vegeta-tion in Germany and the experimental results are used to adjust the Fire Dynam-ics Simulator (FDS) to local vegetation as a fuel in the calculations. The particle model and the boundary fuel model are developed for the simulation of forest fires. Both models require the kinetic input for the dehydration, pyrolysis, and char oxidation process. This three-step simplified model describes the basic fuel combustion kinetic. Most published simulations use the default kinetic input of pine needles from FDS user manual.
To adjust the simulation to local vegetation, the corresponding kinetic parame-ters have been experimental investigated. Samples of pine needles, moss and other falling leaves were collected, air dried and grinded into powder. The TG analysis of all these samples were done under different heating rate of 5, 10 and 20K/min.
The activation energy and the corresponding pre-exponential factor were calcu-lated. The results show that fire spread depends significantly on the vegetation and comparison with small scale experiments show good agreement using the new kinetic parameters. The new model is applied to a larger scenario and will be compared to the results of large-scale experiments for further validation of the model.