Infrastruktur
Filtern
Erscheinungsjahr
Dokumenttyp
- Vortrag (414)
- Zeitschriftenartikel (105)
- Beitrag zu einem Tagungsband (100)
- Posterpräsentation (58)
- Forschungsbericht (20)
- Sonstiges (17)
- Beitrag zu einem Sammelband (8)
- Dissertation (6)
- Buchkapitel (5)
- Tagungsband (Herausgeberschaft für den kompletten Band) (5)
Sprache
- Deutsch (744) (entfernen)
Schlagworte
- Korrosion (100)
- Potentialfeldmessung (40)
- Beton (38)
- Schlagfunken (27)
- Explosionsschutz (26)
- Mechanisch erzeugte Funken (26)
- Nichtelektrischer Explosionsschutz (25)
- Zerstörungsfreie Prüfung (25)
- Brandschutz (23)
- Nichtelektrische Funken (23)
Organisationseinheit der BAM
- 7 Bauwerkssicherheit (340)
- 2 Prozess- und Anlagensicherheit (188)
- 8 Zerstörungsfreie Prüfung (146)
- 2.1 Sicherheit von Energieträgern (124)
- 7.6 Korrosion und Korrosionsschutz (117)
- 3 Gefahrgutumschließungen; Energiespeicher (91)
- 7.1 Baustoffe (70)
- 7.2 Ingenieurbau (66)
- 8.2 Zerstörungsfreie Prüfmethoden für das Bauwesen (65)
- 3.1 Sicherheit von Gefahrgutverpackungen und Batterien (60)
Paper des Monats
- ja (2)
Die Präsentation gibt einen Überblick über die Arbeiten im German Pilot des EU-Projekts TREEADS. Es werden klein-, mittel- und großskalige Versuche an Waldboden mit einheimischer Vegetation durchgeführt. Begleitend werden numerische Untersuchungen durchgeführt, die eine Variation der Parameter, wie Bodenfeuchte, Temperaturen und Wind über die Experimente hinaus erlauben. Die gemessenen Materialparameter dienen als Input für die numerischen Berechnungen. Die numerischen Modelle werden mit den mittel- und großskaligen Experimenten validiert.
Weltweit stellen Waldbrände eine große Bedrohung für Umwelt, Wirtschaft und menschliches Leben dar. Der fortschreitende Klimawandel verstärkt Trockenheit und Dürre, wodurch die Größe und Intensität von Waldbränden sowie das daraus resultierende Gefahrenpotential zusätzlich erhöht werden. Um im Risikofall eine schnelle und effektive Waldbrandbekämpfung zu gewährleisten, sollen Einsatzkräfte in Zukunft von KI-basierten Ausbreitungsmodellen unterstützt werden.
Der Einsatz von maschinellem Lernen ermöglicht dabei schnelle und zielgerichtete Ausbreitungsvorhersagen in Echtzeit, die in den Prozess der Brandbekämpfung als zusätzliche Information einfließen können. Im Rahmen des durch das EU-Förderprogram Horizon 2020 finanzierte Projekt TREEADS wird ein solches Modell für Europa entwickelt.
Dazu wird mit verschiedenen Satellitendaten des Copernicus-Programms und der NASA ein auf räumlicher und zeitlicher Ebene aufgelöster Datensatz zu europäischen Waldbränden aufgebaut. Zu den erfassten Waldbränden werden wichtigen Faktoren, die Einfluss auf die Brandausbreitung haben, ergänzt. Dazu gehören das von Copernicus bereitgestellte, digitale Geländemodell Europas und verschiedene, von Sentinel-2 Messungen abgeleitete Informationen zu Vegetation und Landnutzung. Dieser 2D-Trainingsdatensatz zu realen Waldbränden wird durch die zeitlich hochaufgelösten, meteorologischen Reanalyse-Produkte – Copernicus European Regional ReAnalysis (CERRA) und ERA5-Land – vervollständigt und ist die Grundlage für ein Modell zur Ausbreitungsvorhersage von Waldbränden.
Methoden des Maschinellen Lernens können komplexe Muster in den gesammelten Daten erkennen und so zu einer verbesserten Vorhersage der Brandausbreitung beitragen. Die vielfältigen, von Copernicus bereitgestellten Daten sind dabei ein unabdingbarer Bestandteil des Modells, mit dem den Einsatzkräften ein zusätzliches Tool für den effizienten Einsatz ihrer limitierten Ressourcen zur Verfügung steht.
Das Poster beleuchtet das EU-Projekt ODYSSEUS im Rahmen des Förderprogramms Horizon 2020. Das Konsortium besteht aus 18 Partnern aus 13 Ländern aus Forschung, Entwicklung, Industrie sowie Behörden und Organisationen mit Sicherheitsaufgaben. Das Forschungsprojekt zielt darauf ab, das Wissen über Ausgangsstoffe von Sprengstoffen und selbst hergestellten Sprengstoffe, einschließlich bisher nicht untersuchter Vorläufersubstanzen, zu erweitern und wirksame und effiziente Prognose-, Aufdeckungs- und kriminaltechnische Instrumente zu entwickeln, um die Fähigkeiten der nationalen Sicherheitsbehörden bei der Verhütung, Bekämpfung und Untersuchung terroristischer Vorfälle mit HMEs zu verbessern.
Derzeit ist die Instandhaltung von großen Betontragwerken wie Brücken oder Windenergieanlagen problemorientiert und von einem reaktiven Vorgehen geprägt. Das bedeutet, erst wenn sichtbare Schäden vorliegen, werden diese meist unter Beeinträchtigung des Betriebs instand gesetzt. Im Hinblick auf die Entwicklung von prädiktiven Instandhaltungsstrategien, deren Fokus in der langfristigen Bauwerksüberwachung und der Vorhersage von Schädigungsentwicklungen liegt, wurde die Anwendung von Ultraschallverfahren für die Identifizierung der Degradationsprozesse von Betontragwerken unter Ermüdungsbeanspruchung untersucht. Hierzu fanden Arbeiten im vom Bundesministerium für Wirtschaft und Klimaschutz (BMWK) geförderten Verbundprojekt WinConFat zum "Einfluss der Probengeometrie und -größe auf die Ermüdung von Beton" an der Bundesanstalt für Materialforschung und -prüfung (BAM) und zu den "Methoden zur Zustandsanalyse von Windenergieanlagen" am Institut für Massivbau (IfMa) der Leibniz Universität Hannover (LUH) statt, welches zudem vom Deutschen Beton- und Bautechnik Verein e.V. (Forschungsvorhaben DBV-311) gefördert wurde. Dabei wurden verschiedene Einflussfaktoren auf die Schädigungsentwicklung unter Ermüdungsbeanspruchung wie die Probekörpergröße, das Belastungsniveau und die Betonfestigkeit untersucht. Als Schädigungsindikator und Vergleichsparameter wurden die Ultraschallgeschwindigkeit und der dynamische E-Modul des Betons verwendet. Um das Potential der Schädigungserfassung im Beton mittels Ultraschallprüfung umfassender zu bewerten, wurden zusätzlich Versuche an Betonproben unter monoton steigender Belastung, Kriechversuche, Temperaturversuche und Untersuchungen an großformatigen Balken durchgeführt.
Die fortschreitende digitale Transformation der Wirtschaft und die zunehmende Komplexität vernetzter Produkte und Anwendungen rücken die Digitalisierung in den Fokus von Konformitätsbewertungsstellen (KBS). Die Nachfrage nach Konformitätsbewertungsdienstleistungen im Einklang mit Innovationen, neuen Technologien und Prozessen steigt. Dies stellt Prüf- und Kalibrierlaboratorien, Inspektions- und Zertifizierungsstellen und andere KBS vor neue Herausforderungen. Der Fortschritt digitaler Technologien und Anwendungen eröffnet diesen Organisationen gleichzeitig neue Chancen. Diese Studie ist die erste, die das Thema der "Digitalisierung in der Konformitätsbewertung" umfassend erforscht. Sie stützt sich auf Daten aus einer Online-Umfrage unter KBS weltweit (14 Länder und Westafrika als Region mit sieben Ländern).
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.
Mit der Abkehr von der Nutzung fossiler Rohstoffe rücken regenerative Energieträger immer weiter in den Focus. Neben klassischen Holzkohlen werden verstärkt so genannte Biokohlen produziert. Dieser Begriff findet Verwendung für mit Hilfe verschiedener Verfahren karbonisierte pflanzliche, tierische oder mikrobielle Ausgangsstoffe. Diese Kohlen werden zum Teil über weite Strecken zum Bestimmungsort transportiert (Überseetransporte) oder vor Verwendung für längere Zeit gelagert.
Häufig zeigen diese Kohlen ein kritisches Selbstentzündungsverhalten, wobei Einstufungstests (UN N.4 Test) versagen können. Ein negatives Testergebnis des UN N.4 Tests führte dabei in der Vergangenheit zur Nichteinstufung als selbsterhitzungsfähiger Stoff; in der Praxis entzündeten sich aber bereits vergleichsweise kleine Schüttungen (einige m³), z. B. beim Seetransport in Containern. Der Artikel geht auf dieses Problem ein und stellt Prüfverfahren vor. Aus den Ergebnissen durchgeführter Untersuchungen werden Empfehlungen für sicheren Transport und Lagerung abgeleitet.
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.