Ingenieurwissenschaften und zugeordnete Tätigkeiten
Filtern
Dokumenttyp
- Vortrag (5)
Sprache
- Deutsch (5) (entfernen)
Referierte Publikation
- nein (5)
Schlagworte
- Machine Learning (5) (entfernen)
Organisationseinheit der BAM
Eingeladener Vortrag
- nein (5) (entfernen)
Die Fraktographische Online-Datenbank der AG Fraktographie – Entwicklungsstand und weitere Planung
(2023)
Vortrag zum aktuellen Stand der fraktographischen online-Datenbank. Darstellung des AGM/DVM Gemeinschaftsausschusses REM in der Materialforschung und seiner Arbeitsgruppen Fraktographie, EBSD und 2D/3D-Prüfung. Ziele und Inhalte der fraktographischen Datenbank, Aufruf zum Mitmachen. Durchführung von Vergleichsversuchen, Entwicklung einer fraktographischen Symbolik, Ringversuch, Vorhaben iFrakto mit Entwicklung einer KI-gestützten Bruchflächenanalyse.
Ziel von fraktographischen Untersuchungen ist die Auswertung von makroskopischen und mikroskopischen Bruchflächenmerkmalen und daraus resultierend die Bestimmung des Bruchmechanismus eines Bauteils aus einem Schadensfall. Die Grundlage für die Bewertung von Bruchmerkmalen stammt dabei aus zuvor durchgeführten eigenen Vergleichsversuchen und aus der Literatur. Eine fraktographische Analyse kann sehr aufwändig sein und setzt in jedem Fall erhebliches Erfahrungswissen voraus. Im IGF-Vorhaben „iFrakto“ wird Software entwickelt, die auf Basis von digitalisiertem Expertenwissen, Machine Learning und unter Zuhilfenahme von Topographie-Daten anhand von REM-Aufnahmen Bruchmerkmale und Bruchmechanismen quantitativ bestimmt, s. Abbildung. Solche Software soll mittelfristig direkt am REM oder bei der nachfolgenden Auswertung wissensbasierte Vorschläge für die Bewertung von Bruchflächen liefern. Als Grundlage hierfür wurden Ringversuche unter Fraktograph/inn/en durchgeführt, um die Wissensbasis zu schaffen, die praxisrelevanten Anforderungen an solche Software abzufragen und erste Praxistests durchzuführen. Die bisherigen Ergebnisse werden vorgestellt und die Relevanz der Auswertestrategie und unterschiedlicher Sensordaten bewertet.
Additiv gefertigte (AM) dreifach periodische metallische minimale Oberflächenstrukturen (TPMSS, aus dem Englischen Triply Periodic Minimum Surface Structures) erfüllen mehrere Anforderungen sowohl im biomedizinischen als auch im technischen Bereich: Abstimmbare mechanische Eigenschaften, geringe Empfindlichkeit gegenüber Herstellungsfehlern, mechanische Stabilität und hohe Energieabsorption. Allerdings stellen sie auch einige Herausforderungen in Bezug auf die Qualitätskontrolle dar, die ihre erfolgreiche Anwendung verhindern können. Tatsächlich ist die Optimierung des AM-Prozesses ohne die Berücksichtigung struktureller Merkmale wie Fertigungsgenauigkeit, interne Defekte sowie Oberflächentopographie und -rauheit unmöglich. In dieser Studie wurde die quantitative zerstörungsfreie Analyse von Ti-6Al-4V-Legierung TPMSS mit Hilfe der Röntgen-Computertomographie (XCT) durchgeführt. Es werden mehrere neue Bildanalyse-Workflows vorgestellt, um die Auswirkungen der Aufbaurichtung auf die Wanddickenverteilung, die Wanddegradation und die Verringerung der Oberflächenrauheit aufgrund des chemischen Ätzens von TPMSS zu bewerten. Es wird gezeigt, dass die Herstellungsgenauigkeit für die Strukturelemente, die parallel und orthogonal zu den hergestellten Schichten gedruckt werden, unterschiedlich ist. Verschiedene Strategien für das chemische Ätzen zeigten unterschiedliche Pulverabtragsfähigkeiten und damit ein Gradient der Wanddicke. Dies wirkte sich auf die mechanische Leistung unter Druck durch die Verringerung der Streckspannung aus. Eine positive Auswirkung des chemischen Ätzens ist die Verringerung der Oberflächenrauhigkeit, die möglicherweise die Ermüdungseigenschaften der Bauteile verbessern kann. Schließlich wurde XCT eingesetzt, um die Menge des zurückgehaltenen Pulvers mit der Porengröße des TPMSS zu korrelieren, wodurch der Herstellungsprozess weiter verbessert werden kann.
Die Analyse von Bruchflächen wird in der Schadensanalyse meist auf der Basis von Erfahrungswissen vorgenommen, welches aus vorliegenden Untersuchungen, eigenen Vergleichsversuchen und aus der Literatur stammt. Durch Vergleiche mit bereits vorliegenden Bildern werden qualitativ Bruchmechanismen ermittelt. Grundlage sind zumeist zweidimensionale Bilder aus licht- und elektronenoptischen Verfahren. Quantitative Aussagen beziehen sich bislang beispielsweise auf makroskopische Anteile von Bruchmechanismen oder die Ausmessung von Schwingstreifen. In jüngerer Zeit gibt es vermehrt Ansätze, Computer-Algorithmen einzusetzen, die in der Lage sind, unterschiedlich strukturierte Bruchmerkmale zu finden und zu klassifizieren. Im hier vorgestellten IGF-Vorhaben „iFrakto“, IGF Vorhaben Nr.: 21477 N, werden licht- und elektronen-optisch Topographie-Bilder erzeugt und die gewonnenen 3D-Informationen zusammen mit den klassischen 2D-Bildern ausgewertet. Analytische Algorithmen und Machine Learning werden eingesetzt, um Bruchmerkmale zu analysieren, zu bewerten und mit Informationen aus einer fraktographischen Datenbank zu verknüpfen. Ziel ist die Bereitstellung von Software zur Unterstützung der Fraktographie in der Schadensanalyse. In diesem Beitrag werden erste Ergebnisse des Vorhabens vorgestellt.
To see and not to see - Möglichkeiten und Grenzen der Schadensanalyse mit CT an Kompositmaterialien
(2020)
Anhand von drei Beispielen (Datenfusion an CFK; Machine Learning an Metall-Matrix-Kompositen sowie Refraktion an CFK) wird gezeigt, wie die BAM mit neuen Analysemethoden mehr Informationen aus CT-Datensätzen extrahieren kann, sowie mit der Refraktion eine Analysemethode besitzt, die in Fällen eingesetzt werden kann, bei denen klassische Durchstrahlungsmethoden kein Ergebnis liefern.