Chemie und Prozesstechnik
Filtern
Dokumenttyp
- Vortrag (111)
- Beitrag zu einem Tagungsband (75)
- Zeitschriftenartikel (43)
- Posterpräsentation (21)
- Sonstiges (5)
- Dissertation (1)
- Forschungsbericht (1)
- Forschungsdatensatz (1)
Schlagworte
- Ultraschall (19)
- Lamb waves (17)
- Simulation (17)
- Structural Health Monitoring (17)
- Scaled Boundary Finite Element Method (15)
- Ultrasound (15)
- Luftgekoppelte Ultraschallprüfung (13)
- Non-destructive testing (13)
- Phased Array (13)
- Zerstörungsfreie Prüfung (13)
Organisationseinheit der BAM
- 8.4 Akustische und elektromagnetische Verfahren (258) (entfernen)
Eingeladener Vortrag
- nein (111)
Normung und Standardisierung in der zerstörungsfreien Prüfung finden auf nationaler, europäischer und internationaler Ebene statt. Die Übernahme von Leitungsfunktionen in diesen Gremien erzeugt die Möglichkeit der Steuerung von Themen und Inhalte der relevanten Normen. Das persönliche Engagement der Fachexpert*innen in den nationalen Gremien und den europäischen und internationalen Arbeitsgruppen ist ein zusätzlicher Faktor für die inhaltliche Korrektheit und die erwünschte inhaltliche Ausrichtung der Norm. Denn wer nicht normt wird genormt und muss letztlich Regeln verwenden, die andere entsprechend ihrer eigenen Interessen gestalten. Voraussetzung für die Teilnahme in europäischen und internationalen Normungsgremien ist die Mitwirkung in den entsprechenden DIN-Spiegelgremien, welche die europäischen (CEN) und internationalen (ISO) Aktivitäten spiegeln und die Fachexperten für die Mitarbeit autorisieren. Auf internationaler Ebene findet die Normungsarbeit in den technischen Komitees ISO/TC 135 “Non-destructive testing” und ISO/TC 44/SC 5 “Testing and inspection of welds” und ihren Arbeitsgruppen statt. Das europäische Pendant ist das CEN/TC 138 “Zerstörungsfreie Prüfverfahren” mit seinen Arbeitsgremien. Die DIN-Spiegelgremien sind für die deutsche Mitarbeit in diesen Gremien und die inhaltliche Bewertung der Norm-Entwürfe zuständig.
Normung und Standardisierung in der zerstörungsfreien Prüfung finden auf nationaler, europäischer und internationaler Ebene statt. Die Übernahme von Leitungsfunktionen in diesen Gremien erzeugt die Möglichkeit der Steuerung von Themen und Inhalten der relevanten Normen. Das persönliche Engagement der Fachexpert*innen in den nationalen Gremien und den europäischen und internationalen Arbeitsgruppen ist ein zusätzlicher Faktor für die inhaltliche Korrektheit und die inhaltliche Ausrichtung der Norm. Denn wer nicht normt, wird genormt und muss letztlich Normen anwenden, die andere entsprechend ihrer eigenen Interessen gestaltet haben. Voraussetzung für die Teilnahme in europäischen und internationalen Normungsgremien ist die Mitwirkung in den entsprechenden DINSpiegelgremien, welche die europäischen (CEN) und internationalen (ISO) Aktivitäten spiegeln und die Fachexpert*innen für die Mitarbeit autorisieren.
Auf internationaler Ebene findet die Normungsarbeit in den technischen Komitees ISO/TC 135 “Non-destructive testing” und ISO/TC 44/SC 5 “Testing and inspection of welds” und ihren Arbeitsgruppen statt. Das europäische Pendant ist das CEN/TC 138 “Zerstörungsfreie Prüfverfahren” mit seinen Arbeitsgremien. Die DINSpiegelgremien sind für die deutsche Mitarbeit in diesen Gremien und die inhaltliche Bewertung der Norm-Entwürfe zuständig.
Bei der zerstörungsfreien Prüfung verlegter Eisenbahnschienen werden die Rohdaten derzeit in proprietären Datenformaten gespeichert und auf Datenträgern zwischen den Prüfzügen und den auswertenden Stellen versendet. Die proprietären Datenformate sind in der Regel nur den Herstellern der Prüfsysteme bekannt und deren Dokumentation nicht allgemein zugänglich.
Die „Standard Practice for Digital Imaging and Communication in Nondestructive Evaluation“ (DICONDE), basierend auf dem medizinischen Standard „Digital Imaging and Communication in Medicine“ (DICOM), ermöglicht es, sowohl Prüfdaten als auch Prüfergebnisse und Streckeninformationen in einem standardisierten Format zu speichern und zwischen verschiedenen Endpunkten zu übertragen.
Das Poster gibt zunächst einen kurzen Überblick über die hierarchische Struktur von DICONDE und zeigt dann, wie DICONDE bei der Prüfung verlegter Eisenbahnschienen verwendet werden kann. Die geometrischen Besonderheiten (mehrere Kilometer Länge pro Prüffahrt, kurviger Streckenverlauf) stellen dabei eine besondere Herausforderung dar. Im Rahmen des mFUND-geförderten Projektes „Arteficial Intelligence for Railway Inspection (AIFRI)“, Förderkennzeichen 19FS2014C, wurde ein Vorschlag für eine Erweiterung des DICONDE-Standards für die Schienenprüfung erarbeitet und bei der ASTM eingereicht.
Bei der zerstörungsfreien Prüfung verlegter Eisenbahnschienen werden die Rohdaten derzeit in proprietären Datenformaten gespeichert und auf Datenträgern zwischen den Prüfzügen und den auswertenden Stellen versendet. Die proprietären Datenformate sind in der Regel nur den Herstellern der Prüfsysteme bekannt und deren Dokumentation nicht allgemein zugänglich.
Die „Standard Practice for Digital Imaging and Communication in Nondestructive Evaluation“ (DICONDE), basierend auf dem medizinischen Standard „Digital Imaging and Communication in Medicine“ (DICOM), ermöglicht es, sowohl Prüfdaten als auch Prüfergebnisse und Streckeninformationen in einem standardisierten Format zu speichern und zwischen verschiedenen Endpunkten zu übertragen.
Das Poster gibt zunächst einen kurzen Überblick über die hierarchische Struktur von DICONDE und zeigt dann, wie DICONDE bei der Prüfung verlegter Eisenbahnschienen verwendet werden kann. Die geometrischen Besonderheiten (mehrere Kilometer Länge pro Prüffahrt, kurviger Streckenverlauf) stellen dabei eine besondere Herausforderung dar. Im Rahmen des mFUND-geförderten Projektes „Arteficial Intelligence for Railway Inspection (AIFRI)“, Förderkennzeichen 19FS2014C, wurde ein Vorschlag für eine Erweiterung des DICONDE-Standards für die Schienenprüfung erarbeitet und bei der ASTM eingereicht.
A semi-automatic thermographic procedure for the assessment of the welded area of resistance projection welded joints has been developed. Currently, to assess the quality of RPW joints destructive tests are used and the more commonly used non-destructive technique is the ultrasonic one. The possibility for a quantitative evaluation of the welded area by thermographic technique has been proved by means of an innovative procedure applied on steel RPW joints with ‘as it’ surface conditions. Measurements obtained by thermography and ultrasound have been compared, to verify the developed procedure.
Human factors (HFs) are a frequently mentioned topic when talking about the reliability of non-destructive testing (NDT). However, probability of detection (POD), the commonly used measure of NDT reliability, only looks at the technical capability of an NDT system to detect a defect.
After several decades of research on the influence of HFs on NDT reliability, there is still no commonly accepted approach to rendering HFs visible in reliability assessment. This paper provides an overview of possible quantitative and qualitative methods for integrating HFs into the reliability assessment. It is concluded that reliability assessment is best carried out using both quantifiable and non-quantifiable approaches to HFs.
The digitalization of quality control processes and the underlying data infrastructures for safety relevant components, such as hydrogen pressure vessels, plays a significant role in the transition towards Industry 4.0. In the current safety regulations for hydrogen pressure vessels, there is no established concept for structural health monitoring. The development of a reliable structural health monitoring methodology for monitoring the structural integrity of pressure vessels enables a fast-forward transition from personnel- and costintensive recurring inspections, a.k.a. periodic maintenance, to predictive maintenance. In the work presented; we investigated the application of ultrasonic guided wave propagation to monitor and assess the condition of Type IV composite overwrapped pressure vessel (COPV). A sensor network of fifteen piezo-electric wafers is placed on the carbon fibre reinforced composite cylinder. Five different artificial damage configurations are created by gluing two different weight blocks on three different locations. The database containing measured guided wave data sets is enriched by two different boundary conditions. We utilized an open-source software, openBIS labnotebook, to store and analyse experimental datasets. The guided wave ultrasonic signals were investigated and analysed by using commonly used ultrasonic features (e.g., amplitude, frequency, time of flight) as well as non-traditional time-series features (kurtosis, skewness, variance). The features were used to calculate damage index and the detection performance for the results has been evaluated. The results suggest that both traditional and non-traditional features assume significant importance in artificial damage detection. The future works will additionally involve the impacts of operational conditions, such as periodic pressure variations temperature loadings as well as material degradations.
The application of composite overwrapped pressure vessels (COPV) to store hydrogen and other compressed gases, especially when operating at high pressures, imposed the need for an innovative and reliable approach to ensure the safe operation of the system. Continuous structural health monitoring (SHM) based on ultrasonic guided waves (GWs) is a promising approach due to the ability of the wave to propagate for long distances and go around complex structures, moreover the high sensitivity to various failure modes such as delamination, matrix cracking and debonding. In this study, we scrutinize the behavior of (GWs) within the COPV using a network of PZT elements that are used for excitation and sensing. A laser doppler vibrometer (LDV) was also used to scan the surface of the vessel in various directions. L(0,1) and L(0,2) were observed in the captured signal. The L(0, 2) appeared to be a dominant mode in the COPV and was capable of propagating along the entire length and maintaining a good signal-to-noise ratio. The L(0,2) mode maintained the same phase velocity when it is captured at various excitation angles (0, 45, and 90 degrees). The reduced effect of the orthotropy of the materials on the propagating waves is an important result as it will reduce the complexity in data processing when performing damage identification.
The applications of composite overwrapped pressure vessels (COPVs) in extreme conditions, such as storing hydrogen gases at very high pressure, impose new requirements related to the system's integrity and safety. The development of a structural health monitoring (SHM) system that allows for continuous monitoring of the COPVs provides rich information about the structural integrity of the component. Furthermore, the collected data can be used for different purposes such as increasing the periodic inspection intervals, providing a remaining lifetime prognosis, and also ensuring optimal operating conditions. Ultimately this information can be complementary to the development of the envisioned digital twin of the monitored COPVs. Guided waves (GWs) are preferred to be used in continuous SHM given their ability to travel in complex structures for long distances. However, obtained GW signals are complex and require advanced processing techniques. Machine learning (ML) is increasingly utilized as the main part of the processing pipeline to automatically detect anomalies in the system's integrity. Hence, in this study, we are scrutinizing the potential of using ML to provide continuous monitoring of COPVs based on ultrasonic GW data. Data is collected from a network of sensors consisting of fifteen Piezoelectric (PZT) wafers that were surface mounted on the COPV. Two ML algorithms are used in the automated evaluation procedure (i) a long short-term memory (LSTM) autoencoder for anomaly detection (defects/impact), and (ii) a convolutional neural network (CNN) model for feature extraction and classification of the artificial damage sizes and locations. Additional data augmentation steps are introduced such as modification and addition of random noise to original signals to enhance the model's robustness to uncertainties. Overall, it was shown that the ML algorithms used were able to detect and classify the simulated damage with high accuracy.
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.
Detaillierte Kenntnisse der elastischen Materialeigenschaften sind in vielen ingenieurtechnischen Bereichen von grundlegender Bedeutung. Insbesondere für die Anwendung von Predictive Maintenance und Structural- Health-Monitoring Methoden mit Ultraschall ist die genaue Kenntnis der elastischen Materialkonstanten eine Grundvoraussetzung. Die von den Herstellern zur Verfügung gestellten Angaben zu den elastischen Materialkonstanten, insbesondere für Polymere und faserverstärkte Kunststoffe, sind jedoch oft unzureichend, da diese vom Produktionsprozess abhängig sind und sich zusätzlich aufgrund von Materialabbauprozessen oder Ermüdung ändern können. In der Praxis liegen polymere Werkstoffe, faserverstärkte Kunststoffe und Metalle oft als dünne, plattenförmige Strukturen vor, in welchen sich geführte Ultraschallwellen (UGWs) ausbreiten können. In der aktuellen Forschung sind bereits verschiedene Neuronale Modelle zur Bestimmung der elastischen Konstanten und der Materialcharakterisierung mittels UGWs bekannt. Ein einfaches neuronales Netz, mit aus Dispersionsbildern extrahierten Werten für Frequenz und Wellenzahl ausbeutungsfähiger Moden als Eingabe, zur Vorhersage der elastischen Konstanten wird in verwendet. Ein rekurrentes Neuronales Netz mit einem Zeit-Frequenz Vektor als Eingabe wird in angewandt, während in ein 1D- Convolutional-Neuronal-Networks (CNN) unter Verwendung der zeitlichen Auslenkung der Grundmoden und in ein 2D-CNN unter Verwendung einer polaren Gruppengeschwindigkeitsdarstellung zur Bestimmung der elastischen Konstanten verwendet wird. In diesem Vortrag wird ein Ansatz zur Bestimmung der isotropen elastischen Konstanten von dünnen Platten auf der Grundlage von UGWs unter Verwendung von Dispersionsbildern und 2D-CNNs vorgestellt. Dispersionsabbildungen aus numerischen Simulationen werden mithilfe verschiedener Methoden vorverarbeitet, um realistische Messdaten zu simulieren. Mit den modifizierten Daten wird das Modell trainiert und die Architektur optimiert. Anschließend wird die Genauigkeit des erzeugten Modells mit realen Messdaten validiert. Es wird gezeigt, dass 2D-CNNs in der Lage sind, die isotropen elastischen Konstanten anhand multimodaler Merkmale aus Dispersionsbildern vorherzusagen, ohne dass eine anfängliche Schätzung der Parameter oder manuelle Merkmalsextraktion erforderlich ist.
This paper presents an automatic damage imaging technique by employing a signal processing approach based on applying hierarchically clustered filters across different domains. The technique involves time-frequency-wavenumber filter banks which are applied sequentially to ultrasonic guided wave (UGW) data. The study is conducted for a single lap joint composite specimen with a special focus on small voids which were formed due to manual adhesive component mixing. UGW data are acquired with a 3D Scanning Laser Doppler Vibrometer (LDV) over the scan area of the bonded plate. UGWs are excited at the central frequency of 100 kHz by a single piezoelectric transducer mounted on the surface of the single plate. Within each domain of time, frequency, and wavenumber, four filters are designed which results in 64 distinct filtered wavefields. From each filtered wavefield, an image is obtained by using root-mean-square (RMS) calculation of the signals. The obtained results are then combined to create a final, improved-resolution image of the scan area. The final image is compared to the image obtained through RMS calculation of full wavefield with interpolation through Delaunay triangulation and the image obtained by X-ray radiography. The results show that the smallest void that could be detected has a diameter of 2.14 mm.
DICONDE in der ZfP
(2023)
DICONDE (Digital Imaging and Communication in Non-Destructive Evaluation) ist ein offener internationaler Standard zur Speicherung und zum Austausch industrieller Prüfdaten und prozessbezogener Informationen. Der DICONDE-Standard definiert sowohl die Semantik für eine strukturierte Speicherung von Daten als auch die netzwerkbasierte Kommunikation zwischen zwei Endpunkten. Damit lassen sich viele Vorgänge von Prüfprozessen digital und sicher abbilden und gleichzeitig normative Anforderungen wie eine Rückführbarkeit zum Prüfer und Prüfobjekt sowie eine Reproduzierbarkeit von Prüfergebnissen erfüllen.
DICONDE (Digital Imaging and Communication in Non-Destructive Testing) is an open international standard for storing and exchanging industrial test data and process-related information. The DICONDE standard defines both the semantics for structured storage of data and the network-based communication between two endpoints. This allows many test processes to be mapped digitally and securely, while at the same time meeting normative requirements such as traceability to the tester and test object and reproducibility of test results.
Im Forschungsvorhaben PALUP werden luftgekoppelte Phased-Array-Sender und -Empfänger entwickelt. Die Wandler basieren auf geladenen zellulären Polymeren, auch Ferroelektrete genannt, die piezoelektrische Eigenschaften und eine sehr geringe spezifische akustische Impedanz aufweisen, womit sie sich für den Bau von luftgekoppelten Ultraschallwandlern sehr gut eignen.
The present work is part of the AIFRI project (Artificial Intelligence For Rail Inspection), where we and our project partners train a neural network for defect detection and classification. Our goal at BAM is to generate artificial ultrasound and eddy current training data for the A.I. This paper has an exploratory nature, where we focus on the simulation of eddy current signals for head check cracks, one of the most important rail surface defects. The goal of this paper is twofold. On the one hand, we present our general simulation setup. This includes geometric models for head check cracks with features like branching and direction change, a model for the HC10 rail testing probe, and the configuration of the Faraday simulation software.
On the other hand, we use the Faraday software to simulate eddy current testing signals with a strong focus on the influence of the damage depth on the signal, while differentiating between different crack geometries. Here, we observe an early saturation effect of the test signal at a damage depth of 2 mm (at a crack angle of 25◦ to the surface). That is about 2 mm earlier than we would expect from measurements at a crack angle of 90◦. This behavior will be investigated further in a future paper. Finally, we interpolate the simulated signals in a two-step curve fitting process. With these interpolations we may generate eddy current test signals for any damage depth within the simulated range.
The present work is part of the AIFRI project (Artificial Intelligence For Rail Inspection), where we and our project partners train a neural network for defect detection and classification. Our goal at BAM is to generate artificial ultrasound and eddy current training data for the A.I. This paper has an exploratory nature, where we focus on the simulation of eddy current signals for head check cracks, one of the most important rail surface defects. The goal of this paper is twofold. On the one hand, we present our general simulation setup. This includes geometric models for head check cracks with features like branching and direction change, a model for the HC10 rail testing probe, and the configuration of the Faraday simulation software.
On the other hand, we use the Faraday software to simulate eddy current testing signals with a strong focus on the influence of the damage depth on the signal, while differentiating between different crack geometries. Here, we observe an early saturation effect of the test signal at a damage depth of 2 mm (at a crack angle of 25◦ to the surface). That is about 2 mm earlier than we would expect from measurements at a crack angle of 90◦. This behavior will be investigated further in a future paper. Finally, we interpolate the simulated signals in a two-step curve fitting process. With these interpolations we may generate eddy current test signals for any damage depth within the simulated range.
In recent years, additive manufacturing technologies have gained in importance. Laser powder bed fusion can be used for complex functional components or the production of workpieces in small quantities. High safety requirements, e.g. in aerospace, demand comprehensive quality control. Therefore, non-destructive offline inspection methods such as computed tomography are used after production. Recently, online non-destructive testing methods such as optical tomography have been developed to improve profitability and practicality. In this presentation, the applicability of eddy current inspection using GMR sensors for online inspection of PBF-LB/M parts is demonstrated. Eddy current testing is performed for each layer during the production process at frequencies uo to 1.2 MHz. Despite the use of high-resolution arrays with 128 elements, the testing time is kept low by an adapted hardware. Thus, the measurement can be performed during the manufacturing process without significantly slowing down the production process. In addition to the approach, the results of an online eddy current test of a step-shaped test specimen made of Haynes282 are presented.
Die Magnetpulverprüfung ist eine weit verbreitete Prüfmethode für ferromagnetische Bauteile. Hierbei werden Oberflächenfehler wie Risse mit ferromagnetischem Pulver sichtbar gemacht, wodurch eine qualitative Bewertung des Bauteils ermöglicht wird. Allerdings können die Anzeigen kaum zu einer quantitativen Bewertung herangezogen werden. Hierfür sind Magnetfeldsensoren nötig, die die Stärke der Streufelder messen, wodurch z. B. die Tiefe der Risse abgeschätzt werden kann. Bei kommerziellen Magnetfeldsensoren sind die sensitiven Elemente auf Platinen angebracht bzw. in eine Verkapselung integriert. Hierdurch erhöht sich der Abstand der Elemente zur Oberfläche und kleine Fehler können unter Umständen nicht mehr detektiert werden. Auch wird eine automatisierte Prüfung komplexer Geometrien durch die starren Sonden erschwert.
Um Streufelder von kleinen Fehlern in komplexen Bauteilen quantitativ bewerten zu können, validiert die BAM den Einsatz neuartiger, flexibler Magnetfeldsensoren. Hierbei sind die sensitiven Elemente auf flexiblen Folien aufgebracht und lassen sich verformen, wodurch sie auf viele mögliche Oberflächenformen appliziert werden können. Es wird ein geringerer Abstand der Elemente zur Oberfläche erreicht und Streufelder von kleinen Defekten können besser aufgelöst werden. Zudem verlieren die Sensoren durch Verformung weder ihre Sensitivität noch werden sie hierdurch zerstört. Dies macht diese Sensoren zu perfekten Kandidaten für die quantitative Bewertung von Rissstreufeldern in komplex geformten, ferromagnetischen Bauteilen.
Der Beitrag präsentiert die Charakterisierung der Sensoren sowie erste Versuche an komplexen Bauteilen. Schließlich wird eine Einschätzung hinsichtlich weiterer Anwendungsmöglichkeiten gegeben.