Filtern
Erscheinungsjahr
Dokumenttyp
- Beitrag zu einem Tagungsband (12)
- Vortrag (11)
- Zeitschriftenartikel (5)
- Beitrag zu einem Sammelband (5)
- Forschungsbericht (4)
- Dissertation (2)
- Posterpräsentation (2)
- Monografie (1)
Sprache
- Deutsch (39)
- Englisch (2)
- Mehrsprachig (1)
Schlagworte
- Ultraschallprüfung (42) (entfernen)
Organisationseinheit der BAM
Eingeladener Vortrag
- nein (11)
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.
Die Ultraschallprüfung additiv gefertigter Metallbauteile setzt eine genaue Kenntnis der akustischen Eigenschaften des Werkstoffs voraus. Insbesondere bei bildgebenden Rekonstruktionsverfahren müssen Anisotropien berücksichtigt werden, um ausreichende Abbildungsgenauigkeit zu erhalten. Es ist davon auszugehen, dass der lagenweise Aufbau des Werkstoffs beim selektiven Laserschmelzen eine bevorzugte Kornorientierung erzeugt, die sich in einer akustischen Anisotropie widerspiegelt. Zudem wird erwartet, dass die besondere Kornstruktur Einfluss auf die Schallschwächung hat.
Ziel der vorliegenden Untersuchungen war es, die akustischen Eigenschaften verschiedener additiv gefertigter Werkstoffe zu analysieren und die Ergebnisse mit konventionell gefertigten Werkstoffen zu vergleichen. In die Untersuchungen wurden verschiedene Stahl- und Aluminiumproben mit unterschiedlicher Aufbaurichtung einbezogen. Die Ergebnisse, sowohl aus Tauchtechnik- als auch aus Kontakttechnikuntersuchungen, zeigen eine signifikante Abhängigkeit der Schallausbreitungsgeschwindigkeit von der Aufbaurichtung. Zudem werden örtliche Schwankungen der gemessenen Schallgeschwindigkeiten sowie ein Einfluss auf die Schallschwächung sichtbar