Schon die geringste Schrägstellung oder eine Verschmutzung des Materials, z. B. durch Öl, kann zum Versagen einer Schweißverbindung führen. In einer ersten Messreihe wurden verschiedene Fehler simuliert, um deren akustische Eigenschaften besser zu verstehen. Quelle: © Fraunhofer IDMTNeues Forschungsprojekt: Mit KI mehr Stabilität von Brücken und Tunnel gewährleisten
Gerade erst ist die Carolabrücke in Dresden eingestürzt. Möglicherweise kann KI solche Ereignisse in Zukunft verhindern. Bei Bauprojekten wie Brücken und Tunneln gefährden nämlich oft fehlerhafte Schweißverbindungen die Sicherheit dieser Konstruktionen. Für mehr Sicherheit durch fehlerfrei geschweißte Bolzenverbindungen wurde jetzt das Forschungsprojekt QualiBolS gestartet. Ziel ist es, ein auf Künstlicher Intelligenz (KI) basierendes berührungsloses akustisches Überwachungssystem zu entwickeln, das eine vollständige Qualitätsprüfung der Schweißnähte gewährleistet.
Für den Bau einer Brücke werden Bolzen auf Stahlträger geschweißt und anschließend einbetoniert, um die Kräfte vom Stahl auf den Beton zu übertragen. Ein fehlerhaft geschweißter Bolzen kann fatale Folgen haben.
Bisher wurden solche Bolzenschweißverbindungen nur stichprobenartig und an speziell angefertigten Proben getestet – nicht jedoch am verbauten Bolzen. Bei der visuellen Prüfung besteht das Risiko, dass nicht alle Fehler durch Mitarbeitende erkannt werden. Röntgen- und Ultraschallverfahren erfordern zudem teure Messtechnik und bringen aufgrund von Materialstärke und runder Bolzengeometrie nur eine schlechte Aufnahmequalität. Diese Art der Qualitätsprüfung ist zeitaufwändig, ressourcenintensiv und bringt keine hundertprozentige Sicherheit in der Fehlererkennung.
Im Projekt QualiBolS soll ein kompakter und leichter Akustik-Adapter entwickelt werden, der an der Bolzenschweißpistole montiert wird. In dem Adapter ist ein kleines, chipbasiertes Mikrofon integriert, mit dem die Schweißgeräusche erstmals inline, also während des Schweißprozesses, aufgenommen werden.
Mithilfe der vom Fraunhofer IDMT entwickelten und trainierten KI-Algorithmen werden die Geräusche beim Lichtbogenschweißen in Echtzeit analysiert. Der Algorithmus klassifiziert die Schweißnähte als “in Ordnung” (i.O.) oder “nicht in Ordnung” (n.i.O.) und erkennt, um welche Unregelmäßigkeit es sich handelt. Durch die Einbeziehung von Faktoren wie Schweißstrom und -spannung in die Datenanalyse soll die Genauigkeit der Erkennung auf mindestens 95% erhöht werden.
Unter folgendem Link gibt es weitere Informationen: www.idmt.fraunhofer.de/Press_and_Media