DFG-Projekt: Großgeräteinitiative: Computertomografie zur Untersuchung von Tragwerken unter Laststeigerung
In der Baustofftechnologie wird seit vielen Jahren die Computertomografie genutzt, um an kleinformatigen Proben Kenntnisse über die Gefügestruktur von Baustoffen und deren Veränderung unter verschiedenen Expositionen zu gewinnen. Um aber mit der Röntgentechnologie zu einer Verbesserung des Verständnisses des Trag- und Verformungsverhaltens von ganzen Bauteilen kommen zu können, fehlen bisher entsprechend konfigurierte Geräte. Der vorliegenden DFG-Ausschreibung folgend wurde deshalb ein völlig neuartiges Tomografie-Portal (TOP) konzipiert, das Bauteile mit realen Abmessungen unter Laststeigerung mit hoher Auflösegenauigkeit tomografieren kann. Es setzt auf eine hohe Strahlungsenergie, wie sie unverzichtbar ist, um zum Beispiel stabförmige Stahlbetonbauteile mit Querschnittsabmessungen von mindestens 30 x 30 cm durchleuchten und Risse von 0,1 mm Breite abbilden zu können. Zusätzlich wurde eine zweite Strahlenquelle integriert, die bei kleineren Abmessungen oder weniger anspruchsvollen Materialien noch höhere Auflösungen erlaubt. Die Auslegung wurde als interdisziplinäre Aufgabe begriffen. Es waren Aufgabenstellungen im Bauwesen, die Maschinen-, Röntgen- und Messtechnik, Kalibrierungsverfahren, die mathematische Rekonstruktion der Rohdaten, deren visuelle Aufbereitung und Weiterverarbeitung auf Hochleistungsrechnern sowie eine allgemein zugängliche Bereitstellung von Forschungsergebnissen zu bedenken.
Projektpartner:
Professor Dr.-Ing. Jürgen Schnell
Professor Dr.-Ing. Manfred Curbach
Professor Dr.-Ing. Josef Hegger
Professor Dr.-Ing. Harald S. Müller
Professor Dr.-Ing. Ralf Müller
Professor Dr.-Ing. Matthias Pahn
Deutsch-Französisches Doktorandenkolleg
Das Ziel des Graduiertenkollegs besteht in der Entwicklung neuer Verfahren zur Analyse, Modellierung und Simulation komplexer Werkstoffstrukturen anhand von Bilddaten. In der vierten Förderperiode des Graduiertenkollegs sollen dabei folgende Schwerpunkte
gesetzt werden:
- Ein wesentlicher Fokus wird auf der zeitlichen Evolution von 3D Bilddaten liegen. Das Interesse an der Beschreibung, Analyse und Simulation der Dynamik großer Datenmengen ist insbesondere in den Materialwissenschaften in den letzten Jahren stark gestiegen. Ein vielversprechender mathematischer Zugang führt über die Untersuchung der Evolution von Distributionen.
- Einen weiteren Schwerpunkt werden räumlich schwach verteilte Daten mit schnellen, scharfen Wechseln in der Struktur (z. B. Schäume) bilden. Zu deren Analyse und Simulation sollen vor allem statistische und morphologische Methoden erarbeitet werden.
- Schließlich sollen Verfahren zur Detektion von Auffälligkeiten in verschiedenen Materialien wie beispielsweise Missorientierungen von Fasern oder Zellbrüche im Graduiertenkolleg entwickelt werden. Zur Bewältigung der entsprechenden Klassifikations- und Segmentierungsprobleme ist der Einsatz und die Entwicklung von Techniken des maschinellen Lernens, darunter Convolutional Neural Networks (CNN) und Random Forrests geplant. Angestrebt wird die Verbindung von ,,deep learning‘‘ Techniken mit bestehenden Verfahren der Variationsrechnung und Morphologie, indem diese zur Unterstützung und Verbesserung von Teilschritten eingesetzt werden.
Die Einbeziehung physikalischer Gegebenheiten sowie des Vorwissens zur Struktur der Bilder soll untersucht werden, sowie Fragen wie Zuverlässigkeit versus Netzwerkarchitektur und Komplexitätsschranken für NNs.
Projektpartner:
MWG-Projekt: MaTBiZ: Mikrostrukturdesign und additive Herstellung einer Chromatographiesäule zur Trennung von biologischen Zellen
Die Trennung biologischer Zellen (Zellchromatographie) spielt für viele Prozesse im biotechnischen Bereich eine entscheidende Rolle. So ist sie beispielsweise in der Stammzellenforschung oder der Therapie von Blutkrebs von zentraler Bedeutung. Die derzeit üblichen Trennverfahren beruhen auf aufwändigen teils mehrstufigen Prozessketten.
In diesem Projekt soll ein Filtermedium entwickelt werden, das anschließend mithilfe hochpräziser additiver Verfahren gefertigt wird. Dieser Filter wird in eine Glassäule eingebracht, durch die eine mit Zellen angereicherte Suspension strömt. Es wird so eine Zellseparation im Durchfluss ermöglicht, wodurch sich der Vorgang der Zelltrennung deutlich vereinfacht. Die Entwicklung des Filtermediums erfolgt zunächst virtuell mithilfe von mathematischer Modellierung und Simulation, sodass mit vergleichsweise geringem Aufwand verschiedenste Strukturen evaluiert werden können.
Als Ausgangspunkt für die Mikrostruktur, die anschließend als Filtermedium dienen soll, eignen sich Schäume. Diese sind aufgrund ihrer hohen Konnektivität im Allgemeinen gut für additive Fertigungsverfahren geeignet. Wir betrachten in erster Linie Schäume, die auf einem Laguerre-Mosaik basieren. Dessen zahlreiche Parameter lassen eine hohe Flexibilität hinsichtlich der Struktureigenschaften zu. Problemlos lassen sich Parameter wie beispielsweise Größe der Schaumporen oder Dicke der Schaumstege anpassen, um eine bestmögliche Trennung der biologischen Zellen zu ermöglichen.
Die Mikrostruktur wird zunächst virtuell erzeugt und hinsichtlich ihrer Strömungseigenschaften und Möglichkeit zur Zellanlagerung optimiert. Die bereits bestehenden Modelle zur Zellanlagerung an Oberfläche müssen hierzu angepasst und erweitert werden. Weiterhin muss die Mikrostruktur bestimmte Konnektivitätskriterien erfüllen, um im nächsten Schritt mittels additiver Verfahren hergestellt werden zu können. Neben der Konnektivität liegt die Herausforderung dabei in der Größe des Filtermediums. Die gesamte Glassäule, in die die Struktur eingebracht werden muss, hat einen Durchmesser von 1,2 mm. Der durchschnittliche Durchmesser der Schaumstege liegt bei etwa 30 μm, dünner als ein menschliches Haar. Es kommt daher 3D Laserlithographie mittels Zweiphotonenpolymerisation (3D μ-Druck) zum Einsatz. Im letzten Schritt wird die Filterstruktur im Rahmen eines realen Experiments validiert.
Projektpartner:
Fraunhofer-Institut für Techno- und Wirtschaftsmathematik ITWM
Bereitstellung von Daten und Versuchsergebnisse für akademische Testbeispiele:
BMBF-Projekt: Oho - Optimierung holzbasierter Dämmstoffe
Holz- und andere Zellulosefaserdämmstoffe sind die am häufigsten verwendeten Dämmstoffe aus nachwachsenden Rohstoffen. Ihre Wärmeleitfähigkeit ist jedoch im Allgemeinen höher als die konventioneller Dämmstoffe wie Mineralwolle und Hartschäume (20-50 W/K). Herstellungsbedingt ist die Wärmeleitfähigkeit durch die Verteilung und Orientierung der Zellulosefasern stark anisotrop und die Mikrostruktur enthält neben Einzelfasern auch Faserbündel unterschiedlicher Größe.
Deshalb ist die genaue Vorhersage der Wärmeleitfähigkeit sowie die weitere Optimierung der Plattenstruktur, um Wärmeleitfähigkeiten <35 W/K zu erreichen, gerade für diese Klasse von Holzfaserdämmstoffen schwierig.
Ziel des Forschungsvorhabens ist es daher, die Struktur hochporöser Holzfaserdämmplatten zu optimieren, um ihre effektive Wärmeleitfähigkeit weiter zu senken. Potenzial dafür liegt gerade darin, die Anisotropie zu nutzen und gezielt unterschiedlich große Faserbündel zu mischen. Um dieses Potenzial zu erschließen, sollen Methoden des maschinellen Lernens, geometrische Strukturmodellierung anhand von Bilddaten und numerische Verfahren für die effiziente Simulation des Wärmetransports mit Optimierungsmethoden kombiniert werden.
Projektpartner:
Fraunhofer-Institut für Techno- und Wirtschaftsmathematik ITWM
Bergische Universität Wuppertal (BUW)
Martin-Luther-Universität Halle (LUH)
BMBF-Projekt: poSt - Synthetische Daten für die ML-Segmentierung von FIB-REM-Nanotomografien hoch poröser Strukturen
Die Nanostruktur komplexer Werkstoffe kann durch die FIB-REM-Serienschnitttechnik in 3D abgebildet werden. Zur Analyse des Werkstoffs müssen seine Komponenten aus den Bilddaten rekonstruiert werden. Bei hoher Porosität ist dies schwierig, da durch die Poren auch Strukturen hinter der aktuellen Schnittfläche sichtbar sind.
Hohes Potenzial haben hier maschinelle Lernverfahren. Trainingsdaten sind jedoch schwer zu beschaffen. Eine manuelle Segmentierung ist kaum möglich, da auch der Mensch oft nicht entscheiden kann, welche Strukturen in der gerade geschnittenen Ebene liegen. Synthetische Bilder, für die das korrekte Ergebnis bekannt ist, sind ein attraktiver Ausweg. Die Ähnlichkeit der simulierten zu der realen Struktur hat dabei einen erheblichen Einfluss auf die Qualität des Ergebnisses.
Projektpartner:
Fraunhofer-Institut für Techno- und Wirtschaftsmathematik ITWM
BMBF-Projekt: SynosIs - Synthetische, optisch realistische Bilddaten von Oberflächenstrukturen für KI-basierte Inspektionssysteme
Künstliche Intelligenz (KI) wird in Bilderkennung, -verarbeitung und -verstehen sehr erfolgreich eingesetzt. Das Training eines KI-basierten Inspektionssystems für die industrielle Qualitätssicherung erfordert jedoch große Mengen repräsentativer annotierter Bilddaten für alle Fehlertypen.
Manuelle Annotation ist aufwändig und fehleranfällig. Viele Fehler, insbesondere sicherheitskritische, treten sehr selten auf. Realistische synthetische Bilddaten helfen, diese Probleme zu umgehen.
Wir verknüpfen Physik, Mathematik und Informatik, um synthetische Bilder typischer Defekte auf metallischen Oberflächen in bisher unerreichter Realitätsnähe zu generieren. Diese garantiert korrekt und objektiv annotierten Fehlerbilder stehen nach Projektende für Training und Validierung von KI für die optische Oberflächeninspektion zur Verfügung und vereinfachen und beschleunigen so deren Entwicklung.
Projektpartner:
Fraunhofer-Institut für Techno- und Wirtschaftsmathematik ITWM
Fraunhofer-Institut für Angewandte Optik und Feinmechanik IOF
BMBF-Projekt: DAnoBI - Detektion von Anomalien in großen räumlichen Bilddaten
Ziel des Forschungsvorhabens ist es, Methoden für die Detektion von Anomalien in großen Bilddaten zu entwickeln. Dabei kann es sich z.B. um Mikrorisse in Betonträgern, Materialverdichtungen in textiler Bahnware oder lokale Faserfehlorientierungen in Bauteilen aus faserverstärktem Kunststoff handeln.
Dazu sollen Methoden des maschinellen Lernens, Modellierung der Strukturen und der Bildgebung sowie statistische Methoden für die Detektion von Auffälligkeiten kombiniert werden. In allen genannten Fällen variiert die Struktur stark. Es müssen daher Methoden und Maße entwickelt werden, um objektiv, robust und wiederholbar zu entscheiden, was eine Anomalie, d.h. eine signifikante Abweichung, ist. Die zu detektierenden Anomalien treten sowohl im statistischen Sinne als auch räumlich selten auf. Deshalb mangelt es für rein auf machine learning (ML) beruhende Lösungen an Trainingsdaten, deren Annotation zudem sehr schwierig ist. Ein Ausweg ist Training anhand realitätsnaher simulierter Daten, da in diesem Fall ausreichend viele Daten generiert werden können und die Grundwahrheit unmittelbar zur Verfügung steht.
Ein alternativer Ansatz besteht darin, statistische Methoden zur Strukturbruch-Erkennung in Zeitreihen zur Detektion räumlicher Anomalien zu adaptieren. Aus der räumlichen Komponente der Bilddaten ergeben sich dabei neue Aufgaben, etwa das Erkennen komplex geformter Anomalieregionen, die im Projekt ebenfalls gelöst werden sollen.
Im Fokus der geplanten Forschungsarbeiten steht die Detektion von Rissen in Betonbauteilen, da diese Fragestellung von großer praktischer Relevanz, aber auch besonders schwierig im methodischen Sinne ist. Es wird erwartet, dass ML und statistische Methoden für die Lösung dieses konkreten Problems auf die oben genannten weiteren Anwendungsfälle übertragbar sind. Modelle für Beton- und Rissstrukturen hingegen sind problemspezifisch, stellen jedoch bereits in dieser thematischen Einschränkung eine große Herausforderung dar.
Projektpartner:
Otto von Guericke-Universität Magdeburg
Fraunhofer-Institut für Techno- und Wirtschaftsmathematik ITWM
BORAPA Ingenieurgesellschaft mbH
MKT Metall-Kunststoff-Technik GmbH & Co KG
Abgeschlossene Projekte
DFG-Projekte
Blasenverteilungen als Marker für Deformation in polarem Eis
2015-2020DFG-Graduiertenkolleg 1932
Stochastic Models for Innovations in the Engineering Sciences
2014-2019
BMBF-Projekte
Analyse, Modellierung und Simulation von chromatographischen Aufreinigungsverfahren (AMSCHA)
2016-2020Analyse niederdimensionaler Strukturen in dreidimensionalen Bilddaten (AniS)
2013-2016Stochastische Modelle für die Analyse hochporöser Mikro- und Nanostrukturen (AMiNa)
2010-2013
Weitere Projekte
Junior-Stiftungsprofessur
Statistik räumlicher Strukturen für Innovationen in den Ingenieursdisziplinen der Carl-Zeiss-Stiftung
2013-2017Projekt im Rahmen des Innovationszentrums
Applied System Modeling für Multiskalenmaterialien
2010-2013(CM)²-Projekt
Bildverarbeitung im Bauwesen
2008-2013