elib
DLR-Header
DLR-Logo -> http://www.dlr.de
DLR Portal Home | Impressum | Datenschutz | Kontakt | English
Schriftgröße: [-] Text [+]

Statistical Characterization of Stress Concentrations along Butt Joint Weld Seams Using Deep Neural Networks

Braun, Moritz und Neuhäusler, Josef und Denk, Martin und Renken, Finn und Kellner, Leon und Schubnell, Jan und Jung, Matthias und Rother, Klemens und Ehlers, Sören (2022) Statistical Characterization of Stress Concentrations along Butt Joint Weld Seams Using Deep Neural Networks. Applied Sciences, 12, Seiten 1-17. Multidisciplinary Digital Publishing Institute (MDPI). doi: 10.3390/app12126089. ISSN 2076-3417.

[img] PDF - Verlagsversion (veröffentlichte Fassung)
3MB

Offizielle URL: https://www.mdpi.com/2076-3417/12/12/6089

Kurzfassung

In order to ensure high weld qualities and structural integrity of engineering structures, it is crucial to detect areas of high stress concentrations along weld seams. Traditional inspection methods rely on visual inspection and manual weld geometry measurements. Recent advances in the field of automated measurement techniques allow virtually unrestricted numbers of inspections by laser measurements of weld profiles; however, in order to compare weld qualities of different welding processes and manufacturers, a deeper understanding of statistical distributions of stress concentrations along weld seams is required. Hence, this study presents an approach to statistically characterize different types of butt joint weld seams. For this purpose, an artificial neural network is created from 945 finite element simulations to determine stress concentration factors at butt joints. Besides higher quality of predictions compared to empirical estimation functions, the new approach can directly be applied to all types welded structures, including arc- and laser-welded butt joints, and coupled with all types of 3D-measurement devices. Furthermore, sheet thickness ranging from 1 mm to 100 mm can be assessed.

elib-URL des Eintrags:https://elib.dlr.de/187551/
Dokumentart:Zeitschriftenbeitrag
Titel:Statistical Characterization of Stress Concentrations along Butt Joint Weld Seams Using Deep Neural Networks
Autoren:
AutorenInstitution oder E-Mail-AdresseAutoren-ORCID-iDORCID Put Code
Braun, MoritzHamburg University of Technology, Institute of Ship Structural Design and Analysishttps://orcid.org/0000-0001-9266-1698NICHT SPEZIFIZIERT
Neuhäusler, JosefInstitute for Material- and Building Research, Munich University of Applied Sciences, 80335 Munich, Germany; josef.neuhaeusler (at) hm.eduNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Denk, MartinEngineering Design, Friedrich-Alexander-University Erlangen-Nürnberg, 91054 Erlangen, Germany; denk (at) mfk.fau.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Renken, FinnInstitute for Ship Structural Design and Analysis, Hamburg University of Technology, 21073 Hamburg, Germany; finn.renken (at) tuhh.de (F.R.)NICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Kellner, LeonInstitute for Ship Structural Design and Analysis, Hamburg University of Technology, 21073 Hamburg, Germany; leon.kellner (at) tuhh.de (L.K.);NICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Schubnell, JanFraunhofer Institute for Mechanics of MaterialsNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Jung, MatthiasFraunhofer Institute for Mechanics of Materials (IWM), 79108 Freiburg, Germany; matthias.jung (at) iwm.fraunhofer.de (M.J.)NICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Rother, KlemensInstitute for Material- and Building Research, Munich University of Applied Sciences, 80335 Munich, Germany; klemens.rother (at) hm.edu (K.R.)NICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Ehlers, Sörensoren.ehlers (at) dlr.dehttps://orcid.org/0000-0001-5698-9354NICHT SPEZIFIZIERT
Datum:15 Juni 2022
Erschienen in:Applied Sciences
Referierte Publikation:Ja
Open Access:Ja
Gold Open Access:Ja
In SCOPUS:Ja
In ISI Web of Science:Ja
Band:12
DOI:10.3390/app12126089
Seitenbereich:Seiten 1-17
Verlag:Multidisciplinary Digital Publishing Institute (MDPI)
ISSN:2076-3417
Status:veröffentlicht
Stichwörter:local weld toe geometry; weld classification; 3-D scans; non-destructive testing; statistical assessment; machine learning; fatigue strength; stress concentration factor; weld quality; artificial neural network
HGF - Forschungsbereich:Energie
HGF - Programm:keine Zuordnung
HGF - Programmthema:E - keine Zuordnung
DLR - Schwerpunkt:Energie
DLR - Forschungsgebiet:E - keine Zuordnung
DLR - Teilgebiet (Projekt, Vorhaben):E - keine Zuordnung
Standort: Geesthacht
Institute & Einrichtungen:Institut für Maritime Energiesysteme
Hinterlegt von: Piazza, Hilke Charlotte
Hinterlegt am:17 Okt 2022 07:24
Letzte Änderung:02 Dez 2022 09:24

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags

Blättern
Suchen
Hilfe & Kontakt
Informationen
electronic library verwendet EPrints 3.3.12
Gestaltung Webseite und Datenbank: Copyright © Deutsches Zentrum für Luft- und Raumfahrt (DLR). Alle Rechte vorbehalten.