5 Werkstofftechnik
Filtern
Dokumenttyp
- Vortrag (2)
- Zeitschriftenartikel (1)
Sprache
- Deutsch (2)
- Mehrsprachig (1)
Schlagworte
- Fraktographie (2)
- Machine Learning (2)
- Topographie (2)
- Classification (1)
- Datenbank (1)
- Deep Learning (1)
- Fractography (1)
- REM (1)
Organisationseinheit der BAM
- 5.1 Mikrostruktur Design und Degradation (3) (entfernen)
Eingeladener Vortrag
- nein (2)
Die Analyse von Bruchflächen wird in der Schadensanalyse meist auf der Basis von Erfahrungswissen vorgenommen, welches aus vorliegenden Untersuchungen, eigenen Vergleichsversuchen und aus der Literatur stammt. Durch Vergleiche mit bereits vorliegenden Bildern werden qualitativ Bruchmechanismen ermittelt. Grundlage sind zumeist zweidimensionale Bilder aus licht- und elektronenoptischen Verfahren. Quantitative Aussagen beziehen sich bislang beispielsweise auf makroskopische Anteile von Bruchmechanismen oder die Ausmessung von Schwingstreifen. In jüngerer Zeit gibt es vermehrt Ansätze, Computer-Algorithmen einzusetzen, die in der Lage sind, unterschiedlich strukturierte Bruchmerkmale zu finden und zu klassifizieren. Im hier vorgestellten IGF-Vorhaben „iFrakto“, IGF Vorhaben Nr.: 21477 N, werden licht- und elektronen-optisch Topographie-Bilder erzeugt und die gewonnenen 3D-Informationen zusammen mit den klassischen 2D-Bildern ausgewertet. Analytische Algorithmen und Machine Learning werden eingesetzt, um Bruchmerkmale zu analysieren, zu bewerten und mit Informationen aus einer fraktographischen Datenbank zu verknüpfen. Ziel ist die Bereitstellung von Software zur Unterstützung der Fraktographie in der Schadensanalyse. In diesem Beitrag werden erste Ergebnisse des Vorhabens vorgestellt.
Ziel von fraktographischen Untersuchungen ist die Auswertung von makroskopischen und mikroskopischen Bruchflächenmerkmalen und daraus resultierend die Bestimmung des Bruchmechanismus eines Bauteils aus einem Schadensfall. Die Grundlage für die Bewertung von Bruchmerkmalen stammt dabei aus zuvor durchgeführten eigenen Vergleichsversuchen und aus der Literatur. Eine fraktographische Analyse kann sehr aufwändig sein und setzt in jedem Fall erhebliches Erfahrungswissen voraus. Im IGF-Vorhaben „iFrakto“ wird Software entwickelt, die auf Basis von digitalisiertem Expertenwissen, Machine Learning und unter Zuhilfenahme von Topographie-Daten anhand von REM-Aufnahmen Bruchmerkmale und Bruchmechanismen quantitativ bestimmt, s. Abbildung. Solche Software soll mittelfristig direkt am REM oder bei der nachfolgenden Auswertung wissensbasierte Vorschläge für die Bewertung von Bruchflächen liefern. Als Grundlage hierfür wurden Ringversuche unter Fraktograph/inn/en durchgeführt, um die Wissensbasis zu schaffen, die praxisrelevanten Anforderungen an solche Software abzufragen und erste Praxistests durchzuführen. Die bisherigen Ergebnisse werden vorgestellt und die Relevanz der Auswertestrategie und unterschiedlicher Sensordaten bewertet.
In failure analysis, micro-fractographic analysis of fracture surfaces is usually performed based on practical knowledge which is gained from available studies, own comparative tests, from the literature, as well as online databases. Based on comparisons with already existing images, fracture mechanisms are determined qualitatively. These images are mostly two-dimensional and obtained by light optical and scanning electron imaging techniques. So far, quantitative assessments have been limited to macrocopically determined percentages of fracture types or to the manual measurement of fatigue striations, for example. Recently, more and more approaches relying on computer algorithms have been taken, with algorithms capable of finding and classifying differently structured fracture characteristics. For the Industrial Collective Research (Industrielle Gemeinschaftsforschung, IGF) project “iFrakto” presented in this paper, electron-optical images are obtained, from which topographic information is calculated. This topographic information is analyzed together with the conventional 2D images. Analytical algorithms and deep learning are used to analyze and evaluate fracture characteristics and are linked to information from a fractography database. The most important aim is to provide software aiding in the application of fractography for failure analysis. This paper will present some first results of the project.