Filtern
Dokumenttyp
- Beitrag zu einem Tagungsband (9)
- Vortrag (6)
Sprache
- Deutsch (15) (entfernen)
Referierte Publikation
- nein (15)
Schlagworte
- SBFEM (7)
- Geführte Ultraschallwellen (3)
- Inverse Verfahren (3)
- NDT (3)
- Scaled Boundary Finite Element Method (3)
- AD (2)
- Geführter Ultraschall (2)
- Inverse Probleme (2)
- Materialcharakterisierung (2)
- SHM (2)
Organisationseinheit der BAM
Eingeladener Vortrag
- nein (6)
Die Scaled Boundary Finite Elemente Methode (SBFEM) ist eine semi-analytische Methode, die speziell für Modellierung von geführten Wellen weiterentwickelt und optimiert wurde. Da nur den Rand der Rechendomäne diskretisiert wird, hat die SBFEM einen geringen Rechenaufwand. In diesem Beitrag wird die SBFEM benutzt, um die Ausbreitung geführter Wellen in einer Metall-Faserverbund-Werkstoffstruktur zu analysieren. Mittels der SBFEM ist es möglich, verschiede Fehlertypen, z.B. Ermüdungsrisse, Poren, Delaminationen, Korrosion, in das numerische Modell zu integrieren und damit Defekt-Mode-Wechselwirkung zu analysieren. Die Ergebnisse wurden für die Entwicklung einer Methode zur Zustandsüberwachung von Composite-Druckbehältern verwendet.
Die Messung von Flüssigkeitskonzentrationen in Rohrsystemen ist von großem Interesse für viele unterschiedliche Anwendungen. Die meisten Messsysteme sind jedoch nicht in der Lage, die Flüssigkeit direkt im Rohr zu untersuchen und es muss eine zusätzliche Vorrichtung, wie z.B. einem Bypass, angebracht werden, welche den Kontakt zwischen Flüssigkeit und Sensor ermöglicht.
Um den Einbauaufwand gering zu halten und die Strömungseigenschaften des Rohres nicht zu beeinflussen, wird ein neuartiges Messsystem entwickelt, welches als Teil der Rohrwand ausgeführt werden kann. Dieses neuartige System ist angelehnt an die Idee der phononischen Kristallen (PnK). PnK’s bestehen im Allgemeinen aus einem Matrixmaterial, in welchem Streuzentren periodisch angeordnet sind. Dies führt beim Eintreffen einer akustischen Welle in definierten Frequenz-bereichen, sogenannter Bandlücken, zu zunehmender destruktiven Interferenz. Wird innerhalb einer solchen Bandlücke durch Einbringen einer flüssigkeitsgefüllten Kavität ein Resonanzverhalten erzeugt, kann dies genutzt werden, um die Flüssigkeit zu analysieren.
Im Rahmen von Voruntersuchung wird zunächst das akustische Verhalten des PnK’s, welcher für die Sensorentwicklung genutzt werden soll, unter Vernachlässigung der Flüssigkeit ausführlich untersucht. Hierbei werden zunächst die Bandlücken ermittelt und das Übertragungsverhalten betrachtet. Dieses wird im Anschluss experimentell überprüft.
Bestimmung der Rissgeometrie bei der zerstörungsfreien Ultraschallprüfung mit geführten Wellen
(2019)
In der zerstörungsfreien Prüfung werden in zunehmendem Maße geführte Ultraschallwellen zur Lokalisation von Fehlstellen genutzt. Geführte Ultraschallwellen zeichnen sich dadurch aus, dass sie große Distanzen innerhalb des zu prüfenden Bauteiles zurücklegen können. Das Ultraschallwellenfeld setzt sich dabei aus verschieden Moden zusammen. Etablierte Prüfverfahren mit geführten Wellen ermitteln häufig nur die Position der Fehlstelle, wobei die Laufzeiten der reflektierten Signale ausgewertet wird. Modenumwandlung bleibt dabei zumeist unberücksichtigt.
Die Charakterisierung der Fehlstelle, zum Beispiel hinsichtlich der Länge eines Risses, ist dagegen herausfordernd. Aussagekräftige Zusammenhänge zwischen der Dimension oder Geometrie der Fehlstelle und ihrer Interaktion mit der Ultraschallwelle zu finden, ist Teil aktueller Forschung. Insbesondere eine Betrachtung der Moden höherer Ordnung und deren Amplitudenverhältnisse kann beim Aufspüren dieser Zusammenhänge hilfreich sein.
Im Beitrag werden zunächst die Zusammenhänge zwischen den beiden fundamentalen Moden in einer isotropen Platte und der Länge eines Risses untersucht. Aus den Ergebnissen wird ein inverses Verfahren motiviert. Ein Algorithmus wird vorgestellt, der die Risslänge im Modell solange variiert, bis er die modalen Zusammenhänge einer Vorgabe oder einer Messung rekonstruiert. Die eingesetzte Scaled Boundary Finite Element Method ermöglicht dabei eine sehr kurze Rechenzeit in jeden Optimierungsschritt. Zusätzlich ermöglicht die Methode eine Auswertung der modalen Zusammenhänge ohne Postprocessing, was die Rechenzeiten weiter verkürzt.
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.
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.
Eine zentrale Aufgabe der zerstörungsfreien Prüfung und der Strukturüberwachung (engl. Structural Health Monitoring - SHM) mit Ultraschallwellen ist die Bewertung von Schäden in Bauteilen. In vielen Bauteilen, wie zum Beispiel platten- und schalenförmigen Strukturen, Rohrleitungen oder Laminaten, breitet sich der Ultraschall in Form geführter Wellen aus. Zwar haben geführte Wellen eine relativ große Reichweite innerhalb des Bauteils und ermöglichen so eine großflächige Prüfung, ihre multimodalen und dispersiven Eigenschaften erschweren jedoch die Analyse der vom Schaden kommenden Reflexionen. Eine Möglichkeit, die Messsignale zu interpretieren und die Schäden zu charakterisieren, ist deren Vergleich mit der Wellenausbreitung in einem digitalen Modell. Hierbei stellt sich die Aufgabe, den Schaden im digitalen Modell anhand der Messdaten zu rekonstruieren. Diese Rekonstruktion beschreibt ein inverses Problem, das mehrere Vorwärtsrechnungen braucht, um das Schadensmodell an die Messdaten anzupassen.Durch die kleine Wellenlänge von Ultraschallwellen sind klassische Vorwärtsmethoden wie die Finte Elemente Methode rechenintensiv, weshalb die Autoren die semi-analytische Scaled Boundary Finite Element Method (SBFEM) benutzen, um den Rechenaufwand zu verringern. Im Beitrag wird ein inverses Verfahren basierend auf dem Automatischen Differenzieren in Kombination mit der SBFEM vorgestellt und an verschiedenen Schadenstypen in 2D-Querschnittmodellen von Wellenleitern getestet. In der präsentierten Vorstudie werden dafür „Messdaten“ aus unabhängigen Simulationen verwendet.
Eine zentrale Aufgabe der zerstörungsfreien Prüfung und der Strukturüberwachung (engl. Structural Health Monitoring - SHM) mit Ultraschallwellen ist die Bewertung von Schäden in Bauteilen. In vielen Bauteilen, wie zum Beispiel platten- und schalenförmigen Strukturen, Rohrleitungen oder Laminaten, breitet sich der Ultraschall in Form geführter Wellen aus. Zwar haben geführte Wellen eine relativ große Reichweite innerhalb des Bauteils und ermöglichen so eine großflächige Prüfung, ihre multimodalen und dispersiven Eigenschaften erschweren jedoch die Analyse der vom Schaden kommenden Reflexionen. Eine Möglichkeit, die Messsignale zu interpretieren und die Schäden zu charakterisieren, ist deren Vergleich mit der Wellenausbreitung in einem digitalen Modell. Hierbei stellt sich die Aufgabe, den Schaden im digitalen Modell anhand der Messdaten zu rekonstruieren. Diese Rekonstruktion beschreibt ein inverses Problem, das mehrere Vorwärtsrechnungen braucht, um das Schadensmodell an die Messdaten anzupassen. Durch die kleine Wellenlänge von Ultraschallwellen sind klassische Vorwärtsmethoden wie die Finte Elemente Methode rechenintensiv, weshalb die Autoren die semi-analytische Scaled Boundary Finite Element Method (SBFEM) benutzen, um den Rechenaufwand zu verringern. Im Beitrag wird ein inverses Verfahren basierend auf dem Automatischen Differenzieren in Kombination mit der SBFEM vorgestellt und an verschiedenen Schadenstypen in 2D-Querschnittmodellen von Wellenleitern getestet. In der präsentierten Vorstudie werden dafür „Messdaten“ aus unabhängigen Simulationen verwendet.
In der Zerstörungsfreien Prüfung und der Zustandsüberwachung sind geführte Wellen von großem Interesse, um Fehlstellen zu finden und zu charakterisieren. Die Interaktion der Wellen mit den Fehlstellen kann dabei aufgrund ihrer Komplexität häufig nicht analytisch beschrieben werden. Dies macht numerische Programme neben Experimenten unabdingbar. Aufgrund der kleinen Wellenlänge im Verhältnis zur Bauteilgröße ist jedoch eine effiziente Simulation noch immer Teil der aktiven Forschung.
Um die Effizienz der Simulationsalgorithmen zu steigern, ist es möglich, analytische Annahmen in die Finite Elemente Methode (FEM) zu integrieren. Beispiele für solche Methoden sind die Scaled Boundary Finite Element Method als ein semi-analytisches Verfahren und eXtended Finite Element Method. Diese beiden Möglichkeiten erlauben es, die Wechselwirkungen effizient zu simulieren.
In diesem Beitrag werden verschiedene Wechselwirkungen und Auswertungsmöglichkeiten von geführten Wellen mit Fehlstellen vorgestellt. Hierbei liegt der Fokus auf linearen und nicht-linearen Effekten. Zunächst wird auf Modenkonversion eingegangen und der Frage nachgegangen, ob diese ausreicht, um einen Riss zu charakterisieren. Diese Untersuchungen motivieren dann ein inverses Verfahren, mit dem einige Parameter eines simulierten Risses in einer Folge von Simulationen wieder rekonstruiert werden. Ein zweiter Teil beschäftigt sich mit nicht-linearen Risseffekten. Diese Risseffekte erzeugen im allgemeinen höhere harmonische Wellen. Hier werden Ergebnisse und Filtermethoden zur Auswertung vorgestellt.
Ein Hauptziel der zerstörungsfreien Prüfung und der Strukturüberwachung (engl. Structural Health Monitoring - SHM) mit Ultraschallwellen ist die Charakterisierung von Schäden in Bauteilen. In vielen schalenförmigen Bauteilen, wie zum Beispiel Rohrleitungen, Laminaten und Platten, breitet sich der Ultraschall in Form geführter Wellen aus. Zwar erlauben geführte Wellen eine großflächige Prüfung durch das langsame Abklingen der Wellen. Jedoch breiten sich die Wellen in verschiedenen dispersiven Moden aus, was die Analyse der vom Schaden erzeugten Reflexionen erschwert. Eine Möglichkeit, die Messsignale zu interpretieren, um Schäden zu charakterisieren, ist der direkte Vergleich mit einem Simulationsmodell. Die Rekonstruktion des Schadens stellt ein inverses Problem dar. Das inverse Problem kann als Optimierungsproblem formuliert werden. Für die Optimierung werden mehrere Vorwärtsrechnungen gebraucht, um das Schadensmodell an die Messdaten anzupassen.
Aufgrund der kurzen Wellenlängen von Ultraschallwellen sind klassische Methoden für die Vorwärtsrechnung, wie z.B. die Finite Elemente Methode (FEM), rechenintensiv. Eine Möglichkeit den Rechenaufwand zu reduzieren, bietet die Approximation der Wellenausbreitung mittels der semi-analytischen Scaled Boundary Finite Element Method (SBFEM). Frühere Untersuchungen haben gezeigt, dass die benötigten Freiheitsgrade im Vergleich zur FEM wesentlich geringer sind [1].
Im Beitrag wird eine Optimierung basierend auf einem Gradientenverfahren in Kombination mit der SBFEM vorgestellt und an verschiedenen Schadenstypen in 2D-Querschnittsmodellen von Stahlplatten getestet. Der Gradient des Vorwärtsmodells wird durch Algorithmisches Differenzieren berechnet, wodurch eine genaue und schnelle Optimierung ermöglicht wird. Es werden Untersuchungen zum inversen Problem und das Finden einer geeigneten Zielfunktion präsentiert. Es wird verdeutlicht, dass der entwickelte Algorithmus robust gegenüber von Rauscheinflüssen ist. In diesen Untersuchungen werden zunächst „Messdaten“ aus unabhängigen Simulationen verwendet [2]. Erste Schritte für die experimentelle Validierung und Erweiterung auf 3D Modelle werden anschließend vorgestellt.