Filtern
Erscheinungsjahr
Dokumenttyp
- Beitrag zu einem Tagungsband (19)
- Vortrag (16)
- Zeitschriftenartikel (13)
- Posterpräsentation (7)
- Forschungsbericht (3)
- Dissertation (2)
Sprache
- Deutsch (60) (entfernen)
Schlagworte
- Simulation (60) (entfernen)
Organisationseinheit der BAM
- 8 Zerstörungsfreie Prüfung (19)
- 8.4 Akustische und elektromagnetische Verfahren (14)
- 8.5 Röntgenbildgebung (5)
- 4 Material und Umwelt (1)
- 4.1 Biologische Materialschädigung und Referenzorganismen (1)
- 5 Werkstofftechnik (1)
- 5.6 Glas (1)
- 7 Bauwerkssicherheit (1)
- 7.6 Korrosion und Korrosionsschutz (1)
- 9 Komponentensicherheit (1)
Eingeladener Vortrag
- nein (16)
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.
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.
Im Rahmen des Forschungsvorhabens AIFRI „Arteficial Intelligence for Rail Inspection“ wird der Prozess der mechanisierten Schienenprüfung in einem digitalen Zwilling abgebildet, um in einem zweiten Schritt mit KI-Algorithmen eine automatisierte Defekterkennung und -klassifizierung trainieren zu können. Hierzu werden relevante Schienenschädigungen und in der Schiene vorhandene Artefakte analysiert und in skalierbare Modelle übertragen.
Die Norm DIN EN 16729-1 „Bahnanwendungen - Infrastruktur - Zerstörungsfreie Prüfung an Schienen im Gleis - Teil 1: Anforderungen an Ultraschallprüfungen und Bewertungsgrundlagen“ gilt für die Prüfausrüstung von Schienenprüffahrzeugen und handgeführten Rollgeräten und legt die Anforderungen an die Prüfgrundsätze und -systeme bei der Prüfung verlegter Eisenbahnschienen fest, um vergleichbare Ergebnisse in Bezug auf Lage, Art und Größe der Unregelmäßigkeiten in den Schienen zu erhalten.
Um die Performance von Prüfsystemen in der Simulation zu evaluieren, wurden die in den Anhängen der DIN EN 16729-1 angegebenen Bezugsreflektoren als künstliche Reflektoren (nach Anhang A) und simulierte Reflektoren (nach Anhang B) in einem digitalen Zwilling mit einem Schienenprofil 54E4 nach DIN EN 13674-1 sowie mit vereinfachter Geometrie als virtuelle Testschienen abgebildet.
Die Simulationen wurden mit den in den Tabellen 3 und 4 nach DIN EN 16729-1 definierten Prüfkopfwinkeln durchgeführt. Die Rechnungen wurden im Labormaßstab an Testkörpern verifiziert und die Signal-Rausch-Abstände für Untersuchungen im Feld ermittelt.
Ergebnisse der Untersuchungen und Möglichkeiten der Anwendung werden vorgestellt.
Das Forschungsvorhaben wird durch das Bundesministerium für Verkehr und digitale Infrastruktur (BMVI) im Rahmen von mFund unter dem Förderkennzeichen 19FS2014 gefördert.
GlasDigital
(2023)
Der aktuelle Stand des MateriaDigital1 Projektes GlasDigital wird vorgestellt. Hierbei wird allgemein die Problem- und Zielstellung präsentiert, als auch auf 2 separaten Postern die Ergebnisse. Diese beinhalten zum Einen die smarte Gestaltung der robotergestützten Glasschmelzanlage der BAM inkl. Analytik und zum Anderen die Digitalisierungsbestrebungen im Bereich Glas, d.h. ML-gestützte C-S-P-Simulation, Ontologie für den Werkstoff Glas, Digitaler Zwilling des Gießprozesses.
Die Simulation von Ultraschallausbreitung ist ein wesentliches Hilfsmittel zur Optimierung von Prüfanordnungen und wird zunehmend in der Prüfvorbereitung eingesetzt. Eisenbahnschienen sind Bauteile mit komplexer Geometrie und im eingebauten Zustand eingeschränkter Zugänglichkeit. Bei der Prüfung im Feld entstehen aus der Schienengeometrie komplexe Echosignale mit Formanzeigen, die schwer zu interpretieren sind.
Für das bessere Verständnis der Schallausbreitung in der Eisenbahnschiene wird diese in einem ersten Schritt mit Hilfe verschiedener Ansätze modelliert. Hierbei werden Finite Elemente Methoden und semi-analytischen Modelle verwendet. In einem zweiten Schritt werden die Ergebnisse der Simulationsmodelle einander gegenübergestellt und mit Messungen an realen Schienen verglichen.
Ziel dieser Untersuchungen ist die Validierung von Simulationsverfahren mit Hilfe von Messdatensätzen und Überprüfung der Anwendbarkeit bei der Bewertung von Ergebnissen der Schienenprüfung.
Die Simulation von Ultraschallausbreitung ist ein wesentliches Hilfsmittel zur Optimierung von Prüfanordnungen und wird zunehmend in der Prüfvorbereitung eingesetzt. Eisenbahnschienen sind Bauteile mit komplexer Geometrie und im eingebauten Zustand eingeschränkter Zugänglichkeit. Bei der Prüfung im Feld entstehen aus der Schienengeometrie komplexe Echosignale mit Formanzeigen, die schwer zu interpretieren sind.
Für das bessere Verständnis der Schallausbreitung in der Eisenbahnschiene wird diese in einem ersten Schritt mit Hilfe verschiedener Ansätze modelliert. Hierbei werden Finite Elemente Methoden und semi-analytischen Modelle verwendet. In einem zweiten Schritt werden die Ergebnisse der Simulationsmodelle einander gegenübergestellt und mit Messungen an realen Schienen verglichen.
Ziel dieser Untersuchungen ist die Validierung von Simulationsverfahren mit Hilfe von Messdatensätzen und Überprüfung der Anwendbarkeit bei der Bewertung von Ergebnissen der Schienenprüfung.
Die Simulation von Ultraschallausbreitung ist ein wesentliches Hilfsmittel zur Optimierung von Prüfanordnungen und wird zunehmend in der Prüfvorbereitung eingesetzt.
Eisenbahnschienen sind Bauteile mit komplexer Geometrie und im eingebauten Zustand eingeschränkter Zugänglichkeit. Bei der Prüfung im Feld entstehen aus der Schienengeometrie komplexe Echosignale mit Formanzeigen, die schwer zu interpretieren sind.
Für das bessere Verständnis der Schallausbreitung in der Eisenbahnschiene wird diese in einem ersten Schritt mit Hilfe verschiedener Ansätze modelliert. Hierbei werden Finite Elemente Methoden und semi-analytischen Modelle verwendet. In einem zweiten Schritt werden die Ergebnisse der Simulationsmodelle einander gegenübergestellt und mit Messungen an realen Schienen verglichen.
Ziel dieser Untersuchungen ist die Validierung von Simulationsverfahren mit Hilfe von Messdatensätzen und Überprüfung der Anwendbarkeit bei der Bewertung von Ergebnissen der Schienenprüfung.