Ensemblebasierte automatisierte Kalibriermodellerstellung für komplexe Sensorsysteme am Beispiel zerstörungsfreier mikromagnetischer Materialcharakterisierungsverfahren

• Antragsteller: Professor Dr.-Ing. Andreas Kroll
• Fachliche Zuordnung: Automatisierungstechnik, Mechatronik, Regelungssysteme, Intelligente Technische Systeme, Robotik
• Förderung: Förderung seit 2024
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 532921704

Der oberflächennahe Zustand eines Bauteils wird durch alle gängigen Fertigungsprozesse stark beeinflusst. Gleichzeitig ist die Oberfläche in der Regel der am stärksten beanspruchte Bereich eines Bauteils. Daher ist die Oberflächenkonditionierung durch Fertigungsprozesse von entscheidender Bedeutung für die Lebensdauer und Zuverlässigkeit von Bauteilen. Herkömmliche Materialcharakterisierungsverfahren zur Erfassung des oberflächennahen Zustands erfordern aufwendige post-process Labormessungen. Hingegen bietet die mikromagnetische Materialcharakterisierung die Möglichkeit für eine zerstörungsfreie in-process Messung, bspw. der Eigenspannung und der Härte, und eignet sich daher sehr gut für den Einsatz in einem prozessintegrierten Steuerungs- oder Regelungskonzept für die Bauteileigenschaften. Den Stand der Technik für die Kalibrierung mikromagnetischer Messsysteme bilden lineare Methoden und die anwendungsabhängige, expertenbasierte Extraktion und Selektion von Merkmalen. Dabei müssen bei der mikromagnetischen Materialcharakterisierung komplexe Zusammenhänge zwischen den gemessenen Zeitreihen (Strom-/Spannungsverläufe) und den Zielgrößen der Messung (Randzoneneigenschaften) modelliert werden. Diese Zusammenhänge ändern sich typischerweise beim Wechsel des Werkstoffs oder der Zielgröße, so dass jedes Mal eine aufwändige neue Kalibrierung notwendig ist. Daher soll in diesem Projekt die automatisierte Merkmalsextraktion, -selektion und Modellerstellung algorithmisch integriert werden, um mit geringem Aufwand zudem bessere Kalibriermodelle zu erhalten. Hierzu soll im Projekt ein datengetriebenes, ensemblebasiertes Verfahren entworfen werden, dass durch nichtlineare Modellansätze eine verbesserte Modellgüte erreicht. Durch die Kombination dateneffizienter Modellansätze sowie überwachter und unüberwachter Lernverfahren soll die Notwendigkeit von zeit- und kostenintensiven Referenzmessungen für die Kalibrierung minimiert werden. Der Ensembleansatz soll eine hohe Prädiktionsgüte und Übertragbarkeit auf andere Anwendungen gewährleisten. Zudem soll das Verfahren so entworfen werden, dass es eine Quantifizierung der Prädiktionsunsicherheit ermöglicht. Die Methode wird dabei so konzipiert, dass sie sich anwendungsübergreifend (Fertigungsprozesse, Materialien) einsetzten lässt. Sie wird als Kalibrier-Toolbox öffentlich zugängig gemacht.

• DFG-Verfahren: Sachbeihilfen