Filtern
Dokumenttyp
- Vortrag (3)
- Beitrag zu einem Tagungsband (2)
Sprache
- Deutsch (5)
Referierte Publikation
- nein (5)
Schlagworte
- Geführte Ultraschallwellen (5) (entfernen)
Organisationseinheit der BAM
Eingeladener Vortrag
- nein (3)
Die Scaled Boundary Finite Elemente Methode (SBFEM) ist eine semi-analytische Methode, die vielversprechende Ergebnisse bei der Modellierung geführter Ultraschallwellen zeigt. Effizienz und niedriger Rechenaufwand der Methode werden durch Diskretisierung des Randes der Rechendomäne erreicht, während für die Domäne selbst die analytische Lösung verwendet wird. Mittels der SBFEM können verschiedene Arten von Fehlern können modelliert werden, z. Risse, Poren, Delamination, Korrosion, die in eine Struktur aus anisotropen und isotropen Materialien integriert sind.
In diesem Beitrag wird das SBFEM verwendet, um die Ausbreitung von geführten Wellen in einer Struktur zu analysieren, die aus einem isotropen Metall besteht, das an anisotropes Kohlefaserverstärktes Material gebunden ist. Das Verfahren ermöglicht die Identifizierung geeigneter Wellentypen (Modi) und die Analyse ihrer Interaktion mit verschiedenen Defekten. Die erzielten Ergebnisse werden zur Entwicklung eines Zustandsüberwachungssystems für Composite-Druckbehälter verwendet, die in der Automobil- und Luftfahrtindustrie benutzt werden.
Damit eine Simulationsrechnung, beispielsweise mit einer FEM-Software, eine ausreichend hohe Genauigkeit erreicht, muss vorausgesetzt werden, dass die Modellparameter eine sehr hohe Güte aufweisen. Die genaue Kenntnis der Materialparameter ist dabei von besonderer Bedeutung. Um diese Parameter bestimmen zu können, müssen die verwendeten Werkstoffe messtechnisch charakterisiert werden. Neben anderen Ansätzen sind dafür akustische Verfahren im Ultraschallbereich geeignet. Für dünnwandige und plattenförmige Materialien können aus den sich ausbreitenden geführten Wellen messtechnisch Dispersionskurven bestimmt und aus diesen die Materialparameter abgeleitet werden.
Da für die Signalverarbeitung und für Optimierungsaufgaben aktuell zunehmend Machine Learning Tools zum Einsatz kommen, stellt sich die Frage, ob diese Werkzeuge auch für die Ermittlung der Materialparameter aus den gemessenen Dispersionskurven eingesetzt werden können.
In der vorgestellten Untersuchung soll ein Convolutional Neural Network aufgestellt werden, welches aus Dispersionsbildern Muster extrahiert und aus diesen eine Schätzung für die Materialparameter ermittelt. Um die Machbarkeit dieses Ansatzes zu prüfen, werden zunächst nur isotrope Materialien betrachtet. Für das Netz werden mit der Scaled-Boundary-Finite-Element-Methode synthetische Daten für das Trainieren und Validieren generiert. Zusätzlich werden die Hyperparameter des neuronalen Netzes variiert, um ein optimales Model für die Schätzung zu finden. Anschließend kann das Netz mit experimentellen Daten getestet und das Ergebnis hinsichtlich der Genauigkeit bewertet werden.
Composite-Druckbehälter werden für Speicherung und Transport von Gasen unter hohem Druck verwendet. Durch die gewichtssparende Struktur, die aus einem dünnwandigem Metallgefäß und Faserverbundwerkstoff-Ummantelung besteht, sind solche Behälter insbesondere für die Automobilindustrie interessant, z.B. als Wasserstoffspeicher.
Die Druckprüfung ist ein konventioneller Test, um die Integrität von Metalldruckbehältern zu bewerten. Im Falle des Composite-Druckbehälters könne eine solche Prüfung jedoch den Faserverbundwerkstoff überbeanspruchen und somit die verbleibende Lebensdauer der getesteten Komponente verringern. Infolgedessen, es ist notwendig, die Verfahren zur zerstörungsfreie Prüfung und möglicherweise zur Zustandsüberwachung von Composite-Druckbehältern zu entwickeln. Unser Vorgehen verwendet geführte Ultraschallwellen und hat das Potenzial, kritische Schäden wie Risse im Metall, Faserbrüche und Matrixrisse in Faserverbundwerkstoff zu detektieren.
In diesem Beitrag wurde die Finite Elemente Methode benutzt, um die multimodale, geführte Wellenausbreitung in einer Metall-Faserverbundwerkstoffstruktur zu analysieren. Dadurch wurden die geeigneten Wellenmoden identifiziert und deren Wechselwirkung mit verschiedenen Fehlertypen analysiert. Diese Kenntnisse sollen für die Entwicklung von Verfahren zur wiederkehrenden Prüfung und zur Zustandsüberwachung von Composite-Druckbehältern angewendet werden.
Der praktische Einsatz von SHM-Verfahren mit geführten Ultraschallwellen basiert auf einem fundierten Verständnis der speziellen physikalischen Zusammenhänge der Wellenausbreitung. Das umfasst nicht nur das multimodale Verhalten, welches von den Dispersionsdiagrammen repräsentiert wird, sondern auch die Vorhersage der Interaktion zwischen verschiedenen Wellenmoden und den zu erwartenden Fehlstellen.
Ziel des Workshops ist es, das Verständnis der Ausbreitung geführter Wellen zu verbessern und die vielfältigen Anwendungsmöglichkeiten, die sich aus der multimodalen Wellenausbreitung ergeben, an praktischen Beispielen zu demonstrieren. Die vorgestellten Szenarien beschränken sich dabei nicht nur auf eine Anregung grundlegender Dehnungs- und Biegewellen, sondern beziehen auch geführte Wellenmoden höherer Ordnung zur Verbesserung der Aussagekraft des Prüfergebnisses mit ein.
Nach einer theoretischen Einführung werden ausgewählte Demonstratoren, vorrangig mit Bezug zum Automobilbau, vorgestellt. Diese schließen Fragestellungen der Integration der Sensorik in gekrümmte Faserverbundbauteile ebenso mit ein, wie die Überwachung von Metall-Faserverbund-Komposit-Materialien, die in Drucktanks zum Einsatz kommen.
Detailliertes Wissen über die mechanischen Eigenschaften verwendeter Materialien ist Grundvoraussetzung für viele ingenieurtechnische Aufgaben und Dienstleistungen. Zur Bestimmung der elastischen Materialparameter gibt es verschiedene klassische, zerstörende Prüfverfahren. Eine Möglichkeit der zerstörungsfreien Bestimmung liegt in der Auswertung von Messergebnissen, die auf Basis des Ausbreitungsverhaltens geführter Ultraschallwellen gewonnen wurden. Das Ausbreitungsverhalten geführter Ultraschallwellen kann mittels Dispersionsabbildungen dargestellt werden.
Um aus messtechnisch ermittelten Dispersionsabbildungen Rückschlüsse auf die Materialparameter zu ziehen, werden in der aktuellen Forschung verschiedene inverse Methoden diskutiert. Maschinelles Lernen und insbesondere Convolutional Neural Networks (CNNs) stellen eine Möglichkeit der automatisierten inversen Modellierung und Evaluierung von Bilddaten dar.
In diesem Beitrag wird gezeigt, wie das Ausbreitungsverhalten von geführten Ultraschallwellen unter Verwendung von CNNs genutzt werden kann, um die isotropen elastischen Konstanten einer plattenförmigen Struktur zu bestimmen. Hierfür werden die verwendeten Daten analysiert, das Preprocessing erläutert und eine grundlegende CNN-Architektur gewählt. Zur Auswertung des generierten Modells werden verschiedene Verfahren wie Gradienten-Mapping und die Visualisierung der verschiedenen Schichten vorgestellt. Die Anwendbarkeit der Methode wird anhand synthetischer Daten demonstriert.