• Nur online erhältlich
Erste Seite BR-2024-352
search
  • Erste Seite BR-2024-352

Deep-Learning Basierte Bestimmung Lokaler Mikrostrukturparameter an Duktilem Gusseisen

Die Bewertung von nuklearen Sicherheitsbauteilen erfordert ein hohes Maß an Genauigkeit und Zuverlässigkeit. Transportbehälter für abgebrannte Brennelemente bestehen überwiegend aus duktilem Gusseisen mit Kugelgraphit. Bei dieser Werkstoffgruppe muss dem mikrostrukturellen Einfluss auf die Rissbeständigkeit und damit auf die Bauteilzuverlässigkeit besondere Aufmerksamkeit geschenkt werden. Die manuelle Gefügebeurteilung anhand von Schliffbildern ist ein mühsamer und zeitaufwändiger Prozess, der viel Erfahrung erfordert. Außerdem enthalten die Schliffbilder im Gegensatz zur Bruchfläche nicht die lokalen Informationen über das Gefüge an der Bruchstelle, sondern an der Entnahmestelle. Lokale Gefügeparameter können in diesem Fall von besonderem Interesse sein, da diese…

25,00 €
Bruttopreis
Menge

 

Datenschutzbedingungen (bearbeiten im Modul "Kundenvorteile")

 

Lieferbedingungen (bearbeiten im Modul "Kundenvorteile")

 

Rücksendebedingungen (bearbeiten im Modul "Kundenvorteile")

Die Bewertung von nuklearen Sicherheitsbauteilen erfordert ein hohes Maß an Genauigkeit und Zuverlässigkeit. Transportbehälter für abgebrannte Brennelemente bestehen überwiegend aus duktilem Gusseisen mit Kugelgraphit. Bei dieser Werkstoffgruppe muss dem mikrostrukturellen Einfluss auf die Rissbeständigkeit und damit auf die Bauteilzuverlässigkeit besondere Aufmerksamkeit geschenkt werden. Die manuelle Gefügebeurteilung anhand von Schliffbildern ist ein mühsamer und zeitaufwändiger Prozess, der viel Erfahrung erfordert. Außerdem enthalten die Schliffbilder im Gegensatz zur Bruchfläche nicht die lokalen Informationen über das Gefüge an der Bruchstelle, sondern an der Entnahmestelle. Lokale Gefügeparameter können in diesem Fall von besonderem Interesse sein, da diese innerhalb des Behälters aufgrund seiner großen Wandstärke stark variieren können. Im Rahmen dieses Beitrags wurde daher ein Framework zur automatisierten Analyse von Bruchflächen aus duktilem Gusseisen auf ihre Gefügeeigenschaften auf Basis von Deep Learning Algorithmen entwickelt. Ziel des Ansatzes ist es, die lokalen Eigenschaften der Bruchfläche, wie den Graphitvolumenanteil und die Partikelgröße, den Abstand, den Formfaktor und die Partikelanzahl über REM-Aufnahmen aus der Bruchfläche zu extrahieren, ohne dass eine Schliffbildpräparation erforderlich ist.

Artikelnummer
BR-2024-352

Titel
Deep-Learning Basierte Bestimmung Lokaler Mikrostrukturparameter an Duktilem Gusseisen
Autor(en)
J. Rosenberger, J. Tlatlik, S. Münstermann
DOI
10.48447/BR-2024-352
Veranstaltung
56. Tagung des DVM-Arbeitskreises Bruchmechanik und Bauteilsicherheit – Tagung 2024
Jahr der Veröffentlichung
2024
Publikationsart
Tagungsmanuskript (PDF)
Sprache
Deutsch
Stichwörter
Deep Learning,Bruchmechanik,Duktiles Gusseisen,Segmentierung