Kontinuierliche Bauwerksüberwachung mit der VAM-Methode

22.03.2021

 Institut für Kunststoffe und Verbundwerkstoffe, Institut für Metall- und Verbundbau , Institut für molekulardynamische Simulation weicher Materie, Institut smartPORT -

Ein großer Teil unserer Infrastruktur, u.a. Brücken und Windräder, sind über einen langen Zeitraum großen Belastungen ausgesetzt. Dabei kann es passieren, dass besonders stark belastete Elemente lokal Schaden nehmen und im schlimmsten Fall ein Versagen der gesamten Tragstruktur verursachen. Ein prominenter Fall ist eine Brücke in Genua, die im Jahr 2018 nach vielen Jahren mangelhafter Wartung einstürzte und dabei 43 Menschen das Leben kostete.
Damit so etwas nicht passiert, werden tragende Strukturen in regelmäßigen Abständen von Experten gewartet. Diese manuelle Wartung ist jedoch aufwendig, kostspielig und fehleranfällig. Stattdessen können Methoden für die automatisierte Strukturüberwachung eingesetzt werden, um Materialdegradation in Echtzeit festzustellen und dieser frühzeitig entgegenzuwirken, bevor sich größere Schäden einstellen.
Eine vielversprechende Technologie hierfür ist die vibroakustische Modulation (VAM), bei der die Interaktion von tieffrequenten Vibrationen und hochfrequentem Ultraschall im Material Aufschluss über entstehende Mikrorisse geben kann. Im Vergleich zu vielen anderen Methoden können so schon Risse in Größe von einigen Mikrometern erkannt werden - lange bevor sie für das menschliche Auge sichtbar werden.
Seit 2018 arbeiten insgesamt vier Institute der TUHH interdisziplinär im Rahmen eines I3 geförderten Projektes daran, die Herausforderungen, die der VAM-Methode für einen praktischen Einsatz noch im Weg stehen, zu überwinden [2].
Das Institut für Metall- und Verbundbau arbeitet daran, die Ursachen der physikalischen Phänomene der VAM-Methode zu ergründen, um zuverlässigere und präzisere Aussagen über den Zustand eines tragenden Elements machen zu können. Hierzu wird eine analytische Erklärung erarbeitet, die für komplexere Bauteilgeometrien durch numerische FE-Simulationen und Experimente validiert wird. Bei den Experimenten kommt ein 3D-Laser-Doppler-Vibrometer zum Einsatz, dessen Anschaffung im Jahr 2021 durch die DFG gefördert wurde.
Am Institut für Kunststoff- und Verbundwerkstoffe wird der Einsatz der VAM-Methode auf materialspezifische Herausforderungen von Faser-Kunststoff-Verbunde (FKV) übertragen.

So wird die Schadensentwicklung in FKV bei statischen und zyklischen Belastungen mithilfe der VAM Methode gemessen und u.a. mit der Schallemissionsprüfung validiert. Dabei ist die Detektion von Faser und Zwischenfaserbrüchen sowie Delaminationen und deren Einfluss auf das VAM-Signal das übergeordnete Forschungsziel.
Die Auswertung der VAM-Messungen wird am Institut für molekulardynamische Simulation weicher Materie weiter entwickelt. So werden die Messdaten mit fortschrittlichen Methoden des Maschinellen Lernens analysiert, um Muster zu erkennen und Materialfehler und -schäden präziser zu detektieren. Dieses Verfahren wurde bereits erfolgreich eingesetzt, um die Qualität von Klebeverbindungen zu evaluieren. Künstliche neuronale Netze haben anhand der Ultraschall-Signale die Kontamination der Klebeflächen detektieren können und die resultierende Scherfestigkeit prognostiziert, was mit den traditionellen Methoden nicht möglich ist [1].
Das Institut smartPORT beschäftigt sich damit, wie man das Verfahren möglichst kostengünstig an realen Strukturen umsetzen kann. In bisherigen Arbeiten wurden vor allem teure Messgeräte und aufwendige Algorithmen für die Aufnahme und Auswertung der Messdaten verwendet. In der Praxis müssen zum Beispiel auf einer Brücke eine Vielzahl von Sensoren verteilt werden, um alle tragenden Elemente zu erfassen. Daher setzt das Institut smartPORT auf drahtlose Sensornetze zur Durchführung der Messung. Dazu werden Algorithmen erforscht, die die nötige Signalverarbeitung mit weniger Rechenaufwand leisten, sowie Sensoren aus kostengünstiger Mikroelektronik entwickelt, die die Signalaufnahme in nötiger Qualität erreichen. Zuletzt wurde dabei ein Algorithmus präsentiert, der im Vergleich zu üblichen Auswertungsverfahren bei nahezu identischen Ergebnissen weniger als 1 % des Speicherbedarfs und auf dem selben Microcontroller nur 25 % des Energiebedarfs benötigt [3].

Hier geht es zur Webseite i³-Lab VAM: https://www.tuhh.de/vam/

Literaturliste

  1. Benjamin Boll, Erik Willmann, Bodo Fiedler, and Robert Meißner. Disbond Detection - Enhancing Vibroacoustic Modulation Analysis with Machin Learning. submitted: Composite Structures, 2021.
  2. Peter Oppermann, Lennart Dorendorf, and Benjamin Boll. Towards Structural Health Monitoring using Vibro-Acoustic Modulation in the Real World. In FGSN 2019, volume 18, pages 21 - 24, Magdeburg, 2019.
  3. Peter Oppermann, Lennart Dorendorf, Marcus Rutner, and Christian Renner. Nonlinear modulation with low-power sensor networks using undersampling. Structural Health Monitoring (2021), pp. 1-13. DOI: https://doi.org/10.1177/1475921720982885