Rosenberger, JohannesJohannesRosenbergerTlatlik, JohannesJohannesTlatlikMünstermann, SimonSimonMünstermann2024-05-082024-05-082024https://publica.fraunhofer.de/handle/publica/46772210.48447/BR-2024-352Transportbehälter für abgebrannte nukleare Brennelemente bestehen überwiegend aus duktilem Gusseisen mit Kugelgraphit. Bei dieser Werkstoffgruppe muss dem mikrostrukturellen Einfluss auf die Rissbeständigkeit und damit auf die Bauteilzuverlässigkeit besondere Aufmerksamkeit geschenkt werden. Im Gegensatz zur Bruchfläche enthalten manuelle Gefügebeurteilungen anhand von Schliffbildern keine lokalen Informationen von der Versagensstelle. Die lokale Mikrostruktur ist jedoch von besonderem Interesse, da diese innerhalb des Behälters aufgrund großer Wandstärken stark variieren kann. Im Rahmen dieses Beitrags wird die Bestimmung lokaler Gefügeeigenschaften mittels künstlicher neuronaler Netze (KNN) an REM-Aufnahmen der Bruchflächen von duktilem Gusseisen untersucht und diskutiert.deDeep LearningBruchmechanikGusseisenKNNDDC::600 Technik, Medizin, angewandte Wissenschaften::620 IngenieurwissenschaftenDeep-Learning basierte Bestimmung lokaler Mikrostrukturparameter an duktilem Gusseisenconference paper