Wissenschaftliche Artikel der BAM
Filtern
Dokumenttyp
Sprache
- Mehrsprachig (3) (entfernen)
Referierte Publikation
- ja (3)
Schlagworte
Organisationseinheit der BAM
Die Zahl der industriellen Anwendungen mit Einsatz von Faserverbundwerkstoffen wächst kontinuierlich vor allem wegen der exzellenten Materialeigenschaften und des geringen Gewichtes dieses Werkstoffes. Entsprechend steigen die Anforderungen an zerstörungsfreie Prüfsysteme zur Gewährleistung des sicheren Betriebes von Komponenten und Strukturen bestehend aus Verbundwerkstoffen.
Im Rahmen des EU-Projekes VITCEA (Validated Inspection Techniques for Composites in Energy Applications) wird das Ziel verfolgt, neue Prüfverfahren für moderne Verbundwerkstoffe zu entwickeln und zu validieren. Im Vordergrund steht hierbei als Applikation im Industriesektor Energieversorgung die Prüfung von sicherheitsrelevanten Komponenten von onshore und offshore Windkraftanlagen, wie z.B. deren Rotorblätter und tragende Strukturen.
Eine Teilaufgabe innerhalb des Projektes stellen der Vergleich und die Validierung verschiedener Ultraschallprüfmethoden bezüglich ihrer Fähigkeit zum Nachweis der typischen Herstellungs- und betriebsbedingten Materialschädigungen von CFK und GFK dar.
Neben verschiedenen konventionellen Ultraschall-Prüftechniken, werden die Phased-Array-Prüfung, insbesondere die Prüfung mit Matrixarrays, sowie die Untersuchung mit berührüngsloser Luftultraschalltechnik bezüglich ihrer Nachweisgrenzen und der Möglichkeiten zur Fehlercharakterisierung an Faserverbundwerkstoffen untersucht. Die Ergebnisse werden mit Untersuchungen mit thermographischen Methoden und Mikrowellentechnik verglichen.
A big problem with the chemistry literature is that it is not standardized with respect to precise operational parameters, and real time corrections are hard to make without expert knowledge. This lack of context means difficult reproducibility because many steps are ambiguous, and hence depend on tacit knowledge. Here we present the integration of online NMR into an automated chemical synthesis machine (CSM aka. “Chemputer” which is capable of small-molecule synthesis using a universal programming language) to allow automated analysis and adjustment of reactions on the fly. The system was validated and benchmarked by using Grignard reactions which were chosen due to their importance in synthesis. The system was monitored in real time using online-NMR, and spectra were measured continuously during the reactions. This shows that the synthesis being done in the Chemputer can be dynamically controlled in response to feedback optimizing the reaction conditions according to the user requirements.
In this paper, we present a collection of machine learning assisted distributed fiber optic sensors (DFOS) for applications in the field of infrastructure monitoring. We employ advanced signal processing based on artificial neural networks (ANNs) to enhance the performance of the dynamic DFOS for strain and vibration sensing. Specifically, ANNs in comparison to conventional and computationally expensive correlation and linearization algorithms, deliver lower strain errors and speed up the signal processing allowing real time strain monitoring. Furthermore, convolutional neural networks (CNNs) are used to denoise the dynamic DFOS signal and enable useable sensing lengths of up to 100 km. Applications of the machine learning assisted dynamic DFOS in road traffic and railway infrastructure monitoring are demonstrated. In the field of static DFOS, machine learning is applied to the well-known Brillouin optical frequency domain analysis (BOFDA) system. Specifically, CNN are shown to be very tolerant against noisy spectra and contribute towards significantly shorter measurement times. Furthermore, different machine learning algorithms (linear and polynomial regression, decision trees, ANNs) are applied to solve the well-known problem of cross-sensitivity in cases when temperature and humidity are measured simultaneously. The presented machine learning assisted DFOS can potentially contribute towards enhanced, cost effective and reliable monitoring of infrastructures.