ReSEARCH BAM


KIMono - Künstliche Intelligenz für das Ultraschall-Monitoring von Wasserstoff-Druckbehältern
Projektleitung
	Dr.-Ing. Jens Prager BAM - 8.4 Akustische und elektromagnetische Verfahren E-Mail: Jens.Prager@bam.de
Beteiligte BAM-Fachbereiche
	BAM - 3.5, Sicherheit von Gasspeichern
Förderstruktur
	Bund - Bundesministerium für Bildung und Forschung (BMBF) - Validierung des technologischen und gesellschaftlichen Innovationspotenzials - VIP+
Projektbeginn
	01.10.2022
Projektende
	30.09.2025
Projektart
	Realisierte Antragsforschung
Themen-/Aktivitätsfeld
	THEMENFELD Analytical Sciences, * Zerstörungsfreie Prüfung und Spektroskopie
Abstract
	Für die Akzeptanz neuer innovativer Technologien, wie der Wasserstoffmobilität, spielen Sicherheits-aspekte eine entscheidende Rolle. An die druckführenden Strukturen, insbesondere an die Wasser-stoffspeicher, werden dabei sehr hohe Anforderungen gestellt. Für den Betrieb der Behälter ist die Gewährleistung der Sicherheit von großer Relevanz. Structural Health Monitoring (SHM) bietet einen innovativen Ansatz, um sowohl die Sicherheit und Zuverlässigkeit sicherheitsrelevanter, druckführen-der Komponenten zu gewährleisten und gleichzeitig den Bau der Behälter in Leichtbauweise bei Ein-sparung von Ressourcen und Energie zu ermöglichen. Insbesondere die Verwendung aktiver Monito-ringsysteme, die mit geführten Ultraschallwellen (GUW) arbeiten, ist hierbei ein vielversprechender Ansatz. Im Rahmen des Projektes KIMono ist die Entwicklung und Validierung eines automatisierten SHM-Systems für Wasserstoffdruckbehälter auf der Grundlage von GUW geplant. Das SHM-System er-möglicht nicht nur einen sicheren Betrieb der Druckbehälter durch die Strukturüberwachung der Kom-ponenten, sondern auch deren längere Nutzung durch Bereitstellung von Informationen über Degrada-tionsvorgänge. Im Rahmen des Projekts wird der Funktionsnachweis anhand von Prototypen für Was-serstoffdruckbehälter experimentell erbracht und die Messdaten mit Hilfe von Methoden der Künstli-chen Intelligenz (KI) mit einem hohen Automatisierungsgrad ausgewertet. Hierfür ist die softwareseitige Elimination von Umgebungseinflüssen wie Temperatur- und Druckschwankungen zentral. Des Weiteren kommen Simulationsmethoden zum Einsatz, um den experimentellen Messdatensatz für die KI-Analyse systematisch und rechnergestützt zu erweitern. Im geplanten Forschungsvorhaben arbeiten die Bundesanstalt für Materialforschung und -prüfung (BAM), die Goethe-Universität Frankfurt (GUF), das Fraunhofer IKTS und die Universität der Saarlands (UdS) eng zusammen. Während die BAM die experimentellen Untersuchungen an Druckbehältern mit realen Schädigungen bei Drücken bis 700 bar durchführt, liegt die Entwicklung der KI-Methoden hauptsächlich in den Händen der UdS. Die GUF liefert Algorithmen zur Kompensation der Umweltein-flüsse und das IKTS entwickelt Hardwarekomponenten und Simulationsmodele. Zum Anschluss des Vorhabens werden die gewonnenen Erkenntnisse in einem SHM-Demonstrators umgesetzt und damit die exemplarische Anwendung der Methode an einem Druckbehälter demonstriert. Verwertungsstrate-gien für die Überführung der Technologie in die industrielle Praxis werden erarbeitet.