8 Zerstörungsfreie Prüfung
Filtern
Dokumenttyp
- Vortrag (8)
- Beitrag zu einem Tagungsband (6)
- Posterpräsentation (4)
Sprache
- Deutsch (18) (entfernen)
Referierte Publikation
- nein (18)
Schlagworte
- Simulation (18) (entfernen)
Organisationseinheit der BAM
Eingeladener Vortrag
- nein (8)
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 und Bewertung bei der Auswertung von Schienenprüfungen mittels Ultraschall- und Wirbelstromprüfverfahren zu verbessern. Die Bandbreite möglicher Defekte und die Menge an Einflussgrößen auf die Schienenprüfung ist sehr groß, aber die Prüfdaten aus dem Feld bilden diese Bandbreite nicht balanciert ab und sind unzureichend gelabelt. Durch Simulationen werden große Mengen detailliert gelabelter Daten für relevante Schienenschädigungen und Artefakte bereitgestellt. Aus diesen Daten werden wiederum virtuellen Prüffahrten erstellt, die für das Training und die Validierung der KI genutzt werden können.
In unserem Poster stellen wir die Simulation dieser Ultraschall- und Wirbelstromprüfdaten vor. Dabei gehen wir im Detail auf die Themen CAD-Modellierung, Modellparameter, Simulationssoftware und Signalverarbeitung ein. Wir stellen ausgewählt die Simulation von Head Checks für Wirbelstromprüfverfahren und Bohrungsanrissen für Ultraschallprüfverfahren dar, da das Erkennen dieser Schädigungstypen bei der Schienenprüfung hohe Priorität innehat.
Für die Verifikation der Simulationsergebnisse verweisen wir auf den ebenfalls eingereichten Vortrag „Verifikation von Ultraschall- und Wirbelstromsimulationen bei der 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.
Die Entwicklung von Werkzeugen zur realitätsnahen Nachbildung eines industriellen CT-Systems in einer Simulationssoftware ist derzeit Hauptaufgabe des WIPANO Forschungsprojektes CTSimU2 Realistische Simulation realer Röntgencomputertomografie - Systeme mit basisqualifizierter Simulationssoftware. Als Voraussetzung dienen dabei Simulationssoftwares, die durch das Testframework aus dem Vorprojekt CTSimU1 basisqualifiziert wurden. Das Testframework testet die hinreichende physikalische Korrektheit und Funktionalität einer Simulationssoftware (Basisqualifizierung der Software). Für eine realitätsnahe Nachbildung ist nicht nur die Güte der Simulationssoftware, sondern insbesondere die Güte der Parametrisierung des realen CT-Systems in der Simulationssoftware ausschlaggebend. Dabei kann das Vorgehen der Parametrisierung in vier Schritte unterteilt werden: die Datenaufnahme am realen CT-System (Schritt 1), die Auswertung der aufgenommenen Daten für die Generierung allgemeiner Parameterangaben (Schritt 2), die Übertragung der Parameter in die spezifischen Simulationssoftwares (Schritt 3) und die Validierung der resultierenden Simulationsparameter durch einen geeigneten Test (Schritt 4). Ziel des Projektes ist es daher neben der Erarbeitung eines Werkzeugkastens mit allgemeinen Methoden zur Datenaufnahme und Auswertung der Daten, die Entwicklung eines Tests, auf dessen Basis die ausreichend korrekte Simulation einer realen Anlage beurteilt werden kann. Die erarbeiteten Ergebnisse sollen wie bereits im Vorprojekt CTSimU1 in einen Richtlinienentwurf für die Richtlinienreihe VDI/VDE 2630 übertragen werden. Dieser Beitrag soll einen Überblick über das Projekt und die ersten Ergebnisse geben.
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.
Seit beinahe 50 Jahren werden Zuverlässigkeitsbewertungen zerstörungsfreier Prüfverfahren erfolgreich in unterschiedlichen Industriebranchen eingesetzt. Dennoch gibt es weiterhin viele Vorbehalte, da die Bewertungsgrundlage nicht standardisiert ist und konkrete Handlungsanweisungen fehlen. Dem gegenüber steht die Anerkennung in der ZfP-Community. Es ist bisher nur Wenigen bekannt, dass dem Wissen über die Zuverlässigkeit eines zerstörungsfreien Prüfverfahren eineSchlüsselfunktion für die ZfP 4.0 zukommt.
Im Vortrag wird die Notwendigkeit für eine Norm oder eine Richtlinie zum Thema Zuverlässigkeitsbewertungen aufgezeigt. Es wird darauf eingegangen, warum es bisher (in Deutschland) noch keine Richtlinie gab und gibt und was der:die Anwender:innen aus einer Richtlinie zur Zuverlässigkeitsbewertung von ZfP-Prüfverfahren erwarten kann.
Es werden konkrete Schritte und Vorgehensweisen zur Bewertung der Zuverlässigkeit eines Verfahrens aufgezeigt; von der Definition eines Anwendungsfalls, über die Herstellung geeigneter Testkörper bis hin zur Durchführung und Bewertung von Prüfungen unter Einbeziehung von menschlichen Einflüssen. Die Beispiele umfassen sowohl Anwendungen aus dem Bauwesen als auch aus dem Maschinen- und Anlagenbau.
Der Vortrag fasst die bisherigen und geplanten Arbeiten in dem WIPANO Projekt „Normung für die probabilistische Bewertung der Zuverlässigkeit für zerstörungsfreie Prüfverfahren“ zusammen.
Bei der simulationsunterstützten Planung kritischer Ultraschallprüfaufgaben ist die detaillierte Kenntnis der Parameter der eingesetzten Prüfköpfe von entscheidender Bedeutung. Durch die, in den Regelwerken (DIN EN ISO 22232-2) zugelassenen Toleranzen bei der Herstellung der Prüfköpfe sind einige Prüfkopfparameter nur ungefähr bekannt. Durch die Alterung von Prüfköpfen und Verschleiß können auch Parameter variieren, die nicht vollständig durch die erforderliche Justierung ausgeglichen werden können. Daher sind zusätzlichen Vorversuche oft unvermeidlich. In dieser Arbeit wurden nach einer statistischen Versuchsplanung (DoE) Untersuchungen zur relativen Echo-Empfindlichkeit von konventionellen Prüfköpfen durchgeführt. Die Auswertung wurde für prüfkopfbezogene und personenbezogene Stichproben durchgeführt. Es wird gezeigt, wie weit die Daten um den Zentralwert herum verteilt sind bzw. wie sehr sich das Testobjekt im untersuchten Merkmal unterscheidet. Gerade in Hinblick auf die Beurteilung der intrinsischen Fähigkeit von Prüfverfahren und der Human Factors wird das POD-Analysekonzept zur quantitativen Bewertung der Zuverlässigkeit weiterentwickelt. Die HF-Quantifizierung bezieht sich auf verschiedene Faktoren und Methoden, die in der Veröffentlichung von M. Bertovic et al. [1] ausführlich beschrieben wurden. Die Schritte, die für das Bewertungsverfahren zur POD-Analyse erforderlich sind, werden in der Veröffentlichung von D. Kanzler et al. [2] detailliert dargestellt. Die grundlegenden Anforderungen an die Testkörpersätze für die POD-Analyse wurden in der Publikation von A. Jüngert et al. [3] zusammengefasst. Diesbezüglich wurden mit Hilfe von Simulationsrechnungen die möglichen Abweichungen an Beispielen der im Projekt norm- POD ausgewählten Prüfanordnungen dargestellt. Die Ergebnisse wurden Messungen an Testkörpern gegenübergestellt.
Zur Simulation des Schallfeldes von beliebig geformten konventionellen Schallquellen existieren viele Ansätze (EFIT, GPSS). Sie alle basieren auf der Annahme eines monochromatischen akustischen Signals, was meist eine gültige Annäherung darstellt. Allerdings sind bei thermoakustischen Quellen aufgrund ihrer Funktionsweise und der hohen Bandbreite viele der existierenden Ansätze nicht direkt anwendbar und können Beobachtungen bei der Vermessung von thermoakustischen Wandlern nicht vollständig abbilden und erklären.
In diesem Beitrag wurde die bekannte Methode der generalisierten Punktquellensynthese (GPSS) für die Berechnung von Schallfeldern von thermoakustischen Schallquellen angewendet. Dabei gehen zahlreiche Parameter wie die Dicke und Geometrie der leitfähigen Schicht, Krümmung des Substrats, sowie die Signalform der Anregung in die Simulation ein. Neu an dem präsentierten Ansatz ist die Abweichung von der üblichen monochromatischen Annäherung und die Berücksichtigung der großen Bandbreite von thermoakustischen Wandlern. Für die Validierung der Simulationen wurden Schallfelder von Quellen mit bekannter Anregung und Geometrie breitbandig durch ein optisches Mikrofon vermessen.
Radiografische Simulationswerkzeuge wie aRTist, ScorpiusXLab, SimCT oder CIVA CT verwenden analytische Methoden und physikalische Monte-Carlo-Teilchentransportsimulationen, um die Interaktionsprozesse zwischen Röntgenstrahlung und Materie zu simulieren. Die berechneten Projektionen bilden anschließend unter Berücksichtigung einer definierten Scan-Trajektorie die Basis der Simulation einer röntgencomputertomografischen Untersuchung.
Für den erfolgreichen Einsatz der Computertomografie, sei es als zerstörungsfreie Prüfmethode oder beim dimensionellen Messen, ist es generell notwendig, bekannte Fehler- bzw. Abweichungsquellen des Messverfahrens auszuschließen oder zu reduzieren. Dabei hat sich gezeigt, dass die Auswahl der Messparameter und die Erfahrung des Anwenders direkten Einfluss auf das erzielbare Messergebnis einer computertomografischen Untersuchung nehmen. Es ist daher sinnvoll, die Parameterauswahl in einem virtuellen Simulationsaufbau vorher zu erproben und an die Messaufgabe anzupassen.
Neben der Optimierung von Messparametern finden radiografische Simulationswerkzeuge auch Anwendung für Machbarkeitsstudien und werden zur Schulung von Anwendern im Bereich der Röntgen-Computertomografie verwendet.
Radiografische Simulationswerkzeuge befinden sich in einem stetigen Wandel, beispielsweise durch die Entwicklung neuer Rekonstruktionsmethoden, durch Erweiterung von analytischen Modellen, durch Integration komplexer Trajektorien oder durch Berücksichtigung von prozessbedingten geometrischen Abweichungen. Im laufenden EMPIR-Projekt „AdvanCT“ entsteht deshalb ein „Good Practice Guide“ für die Simulationsumgebung aRTist. Ziel dieses Guides ist es, die mit steigender Komplexität verbundenen Einstiegshürden für Anwender von aRTist zu reduzieren, um damit einen praxisnahen Zugang zur virtuellen Computertomografie zu ermöglichen. Dabei werden anhand von praktisch nachvollziehbaren Beispielen die grundlegenden Mechanismen der Simulationsumgebung erklärt und ein strukturierter Leitfaden zur Simulation röntgencomputertomografischer Untersuchungen mit aRTist vermittelt.
In diesem Beitrag werden erste Auszüge des Guides sowie eine Übersicht der weiteren geplanten Themen für die anschließende Diskussion vorgestellt.
Die industrielle Röntgen-Computertomografie (CT) etabliert sich für die Anwendung in der dimensionellen Messtechnik. Sie bietet als zerstörungsfreies Messverfahren das Potential, sowohl innen- als auch außenliegende Merkmale holistisch zu erfassen. Für die Bestimmung der Güte eines Messwerts muss die dem Messwert zugeordnete Messunsicherheit ermittelt werden. Dabei kann, nach derzeitigem Stand der Technik und Normung, die aufgabenspezifische Messunsicherheit nach VDI/VDE 2630 Blatt 2.1 nur unter hohem Aufwand mit einer Vielzahl an experimentellen Wiederholmessungen ermittelt werden. Ziel diverser Forschungs-projekte zu diesem Thema ist es daher, eine numerische Messunsicherheitsbestimmung zu erreichen. Dafür ist es notwendig, alle signifikanten Einflussgrößen zu erfassen, deren Unsicherheitsbeiträge zu bestimmen und zu bewerten. In diesem Beitrag wird der Einfluss des Bildrauschens auf verschiedene dimensionelle Messgrößen simulativ untersucht. Mithilfe eines prismatischen Prüfkörpers, der eine Vielzahl an Geometrieelementen aufweist, werden verschiedene Messgrößen unterschiedlicher Komplexität betrachtet. Ziel ist es, für diese Messgrößen zu testen, wie diese auf das Bildrauschen reagieren. Dieses wird dabei durch das Signal-Rausch-Verhältnis (SNR) der Projektionsgrauwerte beschrieben und variiert. Es werden Wiederholsimulationen durchgeführt, damit eine statistische Aussage über die Verteilung der Messwerte möglich ist und der Einfluss des Rauschens auf verschiedene Messgrößen individuell beurteilt werden kann. Das Simulationsszenario wird so gestaltet, dass lediglich das Bildrauschen Einfluss auf die Messung hat. Die berechneten Verteilungsbreiten lassen mit sinkendem SNR eine deutliche Zunahme erkennen, insbesondere bei der Bestimmung von Formabweichungen. Simuliert wird mit der Software aRTist 2.10 (BAM).