Fraunhofer-Gesellschaft

Publica

Hier finden Sie wissenschaftliche Publikationen aus den Fraunhofer-Instituten.

Micromagnetic Materials Characterization using Machine Learning - Progress in Nondestructive Prediction of Mechanical Properties of Steel and Iron

Mikromagnetische Materialcharakterisierung mit Maschinellem Lernen - Fortschritte in der zerstörungsfreien Vorhersage mechanischer Eigenschaften von Stahl und Eisen
 
: Szielasko, Klaus; Wolter, Bernd; Tschuncky, Ralf; Youssef, Sargon

:

Technisches Messen : TM (2019), Online First, 10 S.
ISSN: 0340-837X
ISSN: 0171-8096 (Print)
ISSN: 2196-7113 (Online)
Englisch
Zeitschriftenaufsatz
Fraunhofer IZFP ()
micromagnetic; materials characterization; mechanical properties; machine learning; 3MA; Mikromagnetik; Materialcharakterisierung; mechanische Eigenschaft; maschinelles Lernen

Abstract
Micromagnetic materials characterization is a nondestructive means of predicting mechanical properties and stress of steel and iron products. The method is based on the circumstance that both mechanical and magnetic behaviour relate to microstructure over similar interaction mechanisms, which leads to characteristic correlations between mechanical and magnetic properties of ferromagnetic materials. The prediction of mechanical properties or stress from micromagnetic parameters represents an inverse problem commonly addressed by regression and classification approaches. Challenges for the industrial application of micromagnetic methods lie in the development of robust sensors, definition of significant features, and implementation of powerful machine learning algorithms for a reliable quantitative target value prediction by processing of the micromagnetic features. This contribution briefly explains the background of micromagnetics, describes the typical challenges experienced in practice and provides insight into latest progress in the application of machine learning to micromagnetic data.

 

Die mikromagnetische Materialcharakterisierung stellt einen zerstörungsfreien Weg zur Vorhersage mechanischer Eigenschaften von Erzeugnissen aus Stahl und Eisen dar. Die Methode basiert auf der Tatsache, dass sowohl mechanisches als auch magnetisches Verhalten über gleichartige Wechselwirkungsmechanismen an die Mikrostruktur gekoppelt sind, woraus sich charakteristische Korrelationen zwischen mechanischen und magnetischen Eigenschaften ferromagnetischer Materialien ergeben. Die Vorhersage mechanischer Eigenschaften oder Spannungen aus mikromagnetischen Merkmalen stellt ein inverses Problem dar, das meist mit Regression und Klassifikationsansätzen gelöst wird. Herausforderungen für die industrielle Anwendung liegen in der Entwicklung robuster Sensoren, der Definition signifikanter Merkmale und der Implementierung leistungsstarker Algorithmen des maschinellen Lernens für eine verlässliche quantitative Zielgrößenvorhersage durch Verarbeitung der mikromagnetischen Merkmale. Der vorliegende Beitrag erläutert kurzgefasst den Hintergrund der Mikromagnetik, beschreibt typische Herausforderungen der Praxis und bietet Einblick in die jüngsten Fortschritte der Anwendung maschineller Lernalgorithmen auf mikromagnetische Daten.

: http://publica.fraunhofer.de/dokumente/N-574752.html