|
| Abstract No.: |
|
Scheduled at:
|
Monday, September 11, 2023, Brüssel 11:30 AM
Künstliche Intelligenz
|
|
| Title: |
Anwendung von Convolutional Neural Networks (CNNs) bei der Erkennung von Rissen im Modifizierten Varestraint-Transvarestraint-Heißrisstest (MVT-Test)
|
|
| Authors: |
Philipp Liepold* / Bundesanstalt für Materialforschung und -prüfung, Deutschland
Arne Kromm / Bundesanstalt für Materialforschung und -prüfung, Deutschland
Thomas Kannengießer/ Bundesanstalt für Materialforschung und -prüfung, Deutschland
Dirk Schröpfer/ Bundesanstalt für Materialforschung und -prüfung, Deutschland
|
|
| Abstract: |
Erstarrungsrisse können beim Schweißen bestimmter Werkstoffe im Übergang von der flüssigen in die feste Phase auftreten. Mit Hilfe des MVT-Tests lassen sich verschiedene Kombinationen von Grund- und Zusatzwerkstoffen auf ihre Erstarrungsrissanfälligkeit testen. Dabei werden Proben während des Schweißens mit variabler Intensität auf Biegung beansprucht, wobei die größte Verformung auf der Probenoberfläche stattfindet. Der MVT-Test bietet die Möglichkeit, den Einfluss verschiedener Schweißparameter auf die Erstarrungsrissbildung zu bewerten. Eine Auswertung erfolgt klassisch am Mikroskop, wo bei 25-facher Vergrößerung Risslängen mit Hilfe eines Rasters bestimmt werden. Diese Art der Auswertung führt je nach ausführender Person jedoch zu subjektiv und erfahrungsabhängigen Ergebnissen. Die Resultate sind deswegen nur bedingt reproduzier- oder vergleichbar. Der Fortschritt in der Bildverarbeitung mit Künstlicher Intelligenz (KI) der letzten Jahre, insbesondere mit dem Durchbruch der CNN’s, macht es möglich, Risse automatisch zu detektieren und die gewünschten Parameter zu extrahieren. Der Einsatz dieser Technik eliminiert nicht nur den menschlichen Faktor in der Auswertung, sondern bietet auch Möglichkeiten, bessere Daten, sowohl was Qualität als auch Quantität betrifft, in kürzerer Zeit zu erheben. Beispielsweise können so neben den reinen Risslängen auch Informationen zur Fläche, Verteilung und Orientierung der Risse gewonnen werden, was am Mikroskop so nicht möglich ist. Damit gewinnt die Bewertung des Rissverhaltens gegenüber der klassischen Auswertung deutlich an Aussagekraft. Die Beitrag zeigt die Möglichkeiten der KI mit CNN’s am Beispiel hochfester Schweißzusatzwerkstoffe, die im Rahmen des IGF-Vorhabens 21837 N / FOSTA P 1516 hinsichtlich ihres Erstarrungsrissverhaltens untersucht werden.
|
|