Unschärfequantifizierung und -minimierung für Structural Health Monitoring auf Basis geführter Wellen und künstlicher neuronaler Netze

• Antragsteller: Professor Dr.-Ing. Steffen Freitag; Dr.-Ing. Jochen Moll
• Fachliche Zuordnung: Angewandte Mechanik, Statik und Dynamik
• Förderung: Förderung seit 2025
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 566880366

Das Forschungsprojekt fokussiert auf die Entwicklung von Verfahren des Structural Health Monitoring (SHM) basierend auf geführten Wellen und künstlichen neuronalen Netzen zur Schadenserkennung, Schadenslokalisierung und zur Prognose des Schadenstyps und der Schadensgröße. Im Rahmen von entsprechenden Klassifizierungs- und Regressionsproblemen werden sowohl feedforward als auch gefaltete Netzarchitekturen untersucht. Zum Training und der Validierung dieser maschinellen Lernverfahren werden experimentelle Daten und numerische Simulationsdaten einer mittels Omega-Stringer versteiften Carbonfaserplatte herangezogen. Ziel des Forschungsprojekts ist die Quantifizierung und Minimierung der Unschärfe beim SHM mittels geführter Wellen in Kombination mit künstlichen neuronalen Netzen, um zuverlässige und robuste Prognosen zu erhalten, welche eine wichtige Voraussetzung für den Aufbau KI-basierter SHM-Systeme sind. Die folgenden Forschungsfragen werden im Rahmen des Projekts beantwortet: Wie kann physikalisches Wissen bezüglich geführter Wellen mittels künstlicher neuronaler Netze zur Schadenserkennung, Schadenslokalisierung und zur Prognose des Schadenstyps und der Schadensgröße berücksichtigt werden? Was sind die wesentlichen Parameter zur Minimierung der Unschärfe in SHM-Systemen, die auf geführten Wellen und KI basieren? Wie können gemessene Daten und Daten aus numerischen Simulationen zusammengeführt werden, um die Zuverlässigkeit von SHM-Systemen zu verbessern, die auf geführten Wellen und KI basieren?

• DFG-Verfahren: Sachbeihilfen
• Internationaler Bezug: Italien
• Kooperationspartner: Dr.-Ing. Vittorio Memmolo