Implementieren maschineller Lernalgorithmen zur mikromagnetischen Materialcharakterisierung

Die mikromagnetischen Prüfverfahren ferromagnetischer Werkstoffe nutzen die Korrelation zwischen magnetischen und mechanischen Eigenschaften. Beispielsweise bewirken Änderungen der Härte, Härtetiefe, Zugfestigkeit, Streckgrenze, aber auch Last- und Eigenspannungen Änderungen in der Form der magnetischen Hysterese. Die Aufnahme der magnetischen Hysterese ist in der Praxis häufig nicht möglich, da einerseits die statische Änderung der Feldstärke sehr zeitaufwendig ist, andererseits die Notwendigkeit einer probenumfassenden Spule die Anwendung auf besondere Probengeometrien erfordert. Das am Fraunhofer-Institut für Zerstörungsfreie Prüfverfahren IZFP entwickelte 3MA-X8 Prüfsystem bestimmt quasi in Echtzeit indirekt Merkmaleder Hysterese. Die Aufnahme dieser Merkmale erfolgt in der Regel mit Hilfe eines Prüfkopfes in Aufsatztechnik, was den Einsatz an unterschiedlichen Probengeometrien (z.B. Grobbleche) ermöglicht. Die weitestgehend subjektive Merkmalsextraktion liefert einen 21 dimensionalen Merkmalsraum, welcher in Korrelation mit den mechanischen Eigenschaften gesetzt die Charakterisierung des Werkstoffzustands erlaubt. Im Rahmen dieser Arbeit wird der Merkmalsraum durch die automatisierte Extraktion zusätzlicher Merkmale erweitert und im Hinblick auf unterschiedliche Ziel- und Störgrößen mit Hilfe maschineller Lernalgorithmen analysiert und deren Informationsgehalt mit dem bisher eingesetzten Merkmalsraum verglichen. Diese Erweiterung wurde softwareseitig in die bestehende Softwarearchitektur des Modularen Messsystems (MMS) implementiert.