Korrosion kann metallische Bauteile erheblich schwächen und deren Funktionsfähigkeit beeinträchtigen. Ein Forschungsprojekt widmet sich nun der Erkennung solcher Schäden.
In der Luftfahrt und der Automobilindustrie gibt es einen gemeinsamen und gefürchteten Gegenspieler: die Korrosion. Metallische Oberflächen verlieren unter den Einflüssen ihrer Umgebung mit ihrer Struktur und Form vielfach auch ihre Funktionsfähigkeit. Ein interdisziplinär besetztes Forschungsprojekt will der Erkennung von Korrosionsschäden mittels künstlicher Intelligenz (KI) nun einen Schritt näher kommen.
Daten über Korrosion sammeln
Zu den Kooperationspartnern gehören neben dem Kompetenzzentrum für elektrochemische Oberflächentechnologie (CEST) das Unternehmen Senzoro, das Institut für konstruktiven Leichtbau der Johannes-Kepler-Universität Linz und das Department für Integrierte Sensorsysteme der Donau-Universität Krems.
Im Rahmen des Projekts gilt es herauszufinden, wie eine künstliche Intelligenz Ultraschalldaten nutzen kann, um verschiedene Arten von Korrosion zu identifizieren. Die erste und unter Umständen größte Herausforderung besteht zuvor allerdings darin, aussagekräftige Daten über Korrosionsprozesse zu erhalten, insbesondere Daten über das Ausmaß und die Art der Korrosion, die an einem überwachten Bauteil innerhalb eines gewissen Zeitrahmens stattfindet.
Komplexe Prüfung
Die Daten werden in Experimenten gewonnen, bei denen etwa ein metallisches Bauteil einer Natriumchloridlösung ausgesetzt wird. Gleichzeitig legen die Forschenden eine Spannung an, um die Korrosionsprozesse zu beeinflussen. Während des Experiments sammelt das Team Ultraschalldaten und wendet Massenspektrometrie mit induktiv gekoppeltem Plasma an, um gelöste Metalle als Indikator für Korrosion nachzuweisen. Mit einem Mikroskop wird die Oberfläche des metallischen Bauteils analysiert.
KI in der Trainingsphase
Danach werden die generierten Daten in eine geeignete Form für das Training einer künstlichen Intelligenz gebracht. Um möglichst genaue Informationen einzuspeisen, werden verschiedene Datenquellen kombiniert. So werden etwa Informationen aus elektrochemischen Messungen und Mikroskopiebildern zusammengeführt. Derart aufwendig beschaffte Daten sind jedoch nur während der KI-Trainingsphase nötig. Letztendlich soll diese darauf trainiert werden, Korrosion auch anhand von Daten zu erkennen, die leichter und billiger zu beschaffen sind, wie zum Beispiel Ultraschalldaten. (red, 26.10.2022)