- Nur online erhältlich
Bewertung der Schwingfestigkeit von Stumpfstößen mit Schweißdefekten und -imperfektionen mittels Gradient Boosted Decision Trees und Anomalieerkennung
Traditionelle Bewertungsmethoden für die Betriebsfestigkeit von Schweißnähten sind in vielen Fällen konservativ und garantieren dadurch die Sicherheit einer Struktur. Allerdings weichen die auf diese Art ermittelten Lebensdauern zum Teil erheblich von der tatsächlichen Lebensdauer einer Schweißnaht ab. Das führt dazu, dass der Leichtbau nicht konsequent umgesetzt wird. Um den Leichtbaubestrebungen gerecht zu werden, wurden datengestützte Methoden zur Bewertung der Schwingfestigkeit von Schweißnähten entwickelt mit dem Ziel die Vorhersagegenauigkeit der Schwingfestigkeit zu erhöhen. Diese Methoden nutzen die Fähigkeit maschinellen Lernens Nicht-linearitäten von einer Vielzahl an Parametern auf eine Zielgröße abzubilden, was mit klassischen Methoden nicht möglich ist.
Datenschutzbedingungen (bearbeiten im Modul "Kundenvorteile")
Lieferbedingungen (bearbeiten im Modul "Kundenvorteile")
Rücksendebedingungen (bearbeiten im Modul "Kundenvorteile")
Traditionelle Bewertungsmethoden für die Betriebsfestigkeit von Schweißnähten sind in vielen Fällen konservativ und garantieren dadurch die Sicherheit einer Struktur. Allerdings weichen die auf diese Art ermittelten Lebensdauern zum Teil erheblich von der tatsächlichen Lebensdauer einer Schweißnaht ab. Das führt dazu, dass der Leichtbau nicht konsequent umgesetzt wird. Um den Leichtbaubestrebungen gerecht zu werden, wurden datengestützte Methoden zur Bewertung der Schwingfestigkeit von Schweißnähten entwickelt mit dem Ziel die Vorhersagegenauigkeit der Schwingfestigkeit zu erhöhen. Diese Methoden nutzen die Fähigkeit maschinellen Lernens Nicht-linearitäten von einer Vielzahl an Parametern auf eine Zielgröße abzubilden, was mit klassischen Methoden nicht möglich ist.
Die Geometrie einer Schweißnaht ist entscheidend für die Schwingfestigkeit, da lokale Spannungserhöhungen durch geometrische Diskontinuitäten zu frühzeitigem Versagen der Schweißnaht führen können. 3D Laser-scanning bietet die Möglichkeit die Geometrie auch im Fertigungsprozess zeiteffizient und ganzheitlich zu erfassen. Die bisher entwickelten datengestützten Methoden liefern bereits vielversprechende Ergebnisse, allerdings ist die Repräsentation der gescannten Schweißnahtgeometrie in der Menge der Inputparameter noch nicht zufriedenstellend gelöst. Dies liegt am Auftreten von Schweißdefekten und -Imperfektionen, die in realen Strukturen zum Versagen führen und deren wirkungsgerechte Integration in den Vorhersageprozess noch ermittelt werden muss. In dieser Studie werden diese Mängel anhand von Extremfällen (Schweißdefekten und -imperfektionen) aufgezeigt und Ursachen dargestellt. Dafür werden Methoden zur model-agnostischen Interpretation des verwendeten ML-Algorithmus und zur Anomalieerkennung angewendet.
- Artikelnummer
- BF-2024-390
- Titel
- Bewertung der Schwingfestigkeit von Stumpfstößen mit Schweißdefekten und -imperfektionen mittels Gradient Boosted Decision Trees und Anomalieerkennung
- Autor(en)
- M. Beiler, M. Braun
- DOI
- 10.48447/BF-2024-390
- Veranstaltung
- 50. Tagung DVM-Arbeitskreis Betriebsfestigkeit – Tagung 2024
- Jahr der Veröffentlichung
- 2024
- Publikationsart
- Tagungsmanuskript (PDF)
- Sprache
- Deutsch
- Stichwörter
- Maschinelles Lernen,Bewertungsmethoden,Schweißdefekte und -imperfektionen,Laser-scanning,Anomalieerkennung