Wasserstoff
Filtern
Dokumenttyp
- Zeitschriftenartikel (2) (entfernen)
Sprache
- Englisch (2)
Referierte Publikation
- ja (2)
Schlagworte
Organisationseinheit der BAM
Distributed fiber optic sensors for structural health monitoring of composite pressure vessels
(2024)
In diesem Beitrag geben wir einen umfassenden Überblick über unsere Forschung auf dem Gebiet der verteilten faseroptischen Sensorik für die strukturelle Zustandsüberwachung von Wasserstoffdruckbehältern aus Verbundwerkstoffen. Insbesondere zeigen wir, wie die Integration von faseroptischen Sensoren in Druckbehälter aus Verbundwerkstoffen die Sicherheit erhöht und gleichzeitig die Wartungskosten senkt. Die geringe Größe von Lichtwellenleitern ermöglicht ihre Integration in Verbundwerkstoffstrukturen während des Herstellungsprozesses, wodurch eine kontinuierliche Überwachung sowie eine präzise Erkennung und Lokalisierung von Strukturschäden während des Betriebs der Druckbehälter ermöglicht wird. Wir erörtern auch das Potenzial modernster Signalverarbeitungsmethoden und des maschinellen Lernens für die Weiterentwicklung der vorausschauenden Instandhaltung. Die von uns vorgestellten Anwendungen von faseroptischen Sensoren zeigen, dass sie einen wichtigen Beitrag zur Energiewende hin zu erneuerbaren Energien leisten können.
This paper presents reported machine learning approaches in the field of Brillouin distributed fiber optic sensors (DFOSs). The increasing popularity of Brillouin DFOSs stems from their capability to continuously monitor temperature and strain along kilometer-long optical fibers, rendering them attractive for industrial applications, such as the structural health monitoring of large civil infrastructures and pipelines. In recent years, machine learning has been integrated into the Brillouin DFOS signal processing, resulting in fast and enhanced temperature, strain, and humidity measurements without increasing the system’s cost. Machine learning has also contributed to enhanced spatial resolution in Brillouin optical time domain analysis (BOTDA) systems and shorter measurement times in Brillouin optical frequency domain analysis (BOFDA) systems. This paper provides an overview of the applied machine learning methodologies in Brillouin DFOSs, as well as future perspectives in this area.