Eisenkonstruktionen der Industriekultur – Sensorgestütztes und datengetriebenes KI-System zum Structural-Health-Monitoring von Großobjekten des industriellen und kulturellen Erbes
Industrieanlagen, die am Ende ihres Arbeitslebens als Denkmäler gelten, waren nie für eine dauerhafte Existenz vorgesehen. Nach der Stilllegung ergeben sich veränderte Bedingungen, die zu konservatorischen Herausforderungen führen. Hierzu zählt insbesondere die fortschreitende Korrosion von Eisenkonstruktion. Eine materielle Erhaltung bedarf einer Zustandsüberwachung für die zielgerichtete Pflege. Die zeitintensive Erfassung wird bisher objektweise und maßnahmengebunden durchgeführt. Nach aktuellem Stand der Technik entfällt eine zielgerichtete Zustandsbewertung und die nachgeschaltete Verifikation der Handlungsstrategien für proaktive Erhaltungsmaßnahmen. Vor diesem Hintergrund ist das Ziel die Entwicklung und Implementierung eines sensorgestützten und datengetriebenen Structural-Health-Monitorings (SHM) unter Verwendung von künstlicher Intelligenz (KI).
Um dieses Ziel zu erreichen, wird zunächst ein strukturiertes und universelles Verfahren zur Zustandsbeschreibung entwickelt, wodurch eine präzise Beschreibung des Initialzustands und eine sensorgestützte Klassifizierung der Schädigung an Industriekulturobjekten ermöglicht wird. Durch die Generierung von in- und ex-situ Messdaten wird ein tiefgreifendes Verständnis zu wirkenden Korrosionsmechanismen am Objekt generieren. In Analogversuchen wird auf Basis dieser Erkenntnisse die Korrosion reproduziert. Kontrollierte Laborbedingungen der beschleunigten Alterungsversuche führen zudem zu definierten Referenzzuständen, die für das Vortraining der KI hinsichtlich Korrosionsdetektion und Klassifizierung verwendet werden. Durch das Aufbringen transparenter Korrosionsschutzschichten werden die optischen Veränderungen der Oberfläche durch Objektschutzmaßnahmen im Labormaßstab nachgestellt und der Trainingsdatensatz erweitert. Eine Befliegung des Objektes durch Drohnen ermöglicht eine effiziente und teilautomatische Zustandsbeobachtung.
Mittels sensorgestützter Schadenskartierung wird eine objektive Referenz erzeugt. Dies ermöglicht die Kalibrierung der an Drohnen applizierten optischen Messsysteme (multispektral und infrarot) und die Generierung von Trainingsdaten. Durch wiederholte Begutachtung von Bereichen mit hoher Schädigungskonzentration wird in ausgewählten Objektteilbereichen die Schadenskartierung aktualisiert und durch das KI-System analysiert. Der Vergleich der automatischen Schädigungssegmentation mit den messtechnischen Daten aus der aktualisierten Schadenskartierung erlaubt eine detaillierte Bestimmung der Erfassungsgenauigkeit und Validierung des Systems. Durch Deep Learning wird ein drohnenbasiertes SHM-System mit hohem Automatisierungsgrad gebildet, das durch kontinuierliche Objektbefliegung eine engmaschige Zustandsbeurteilung ermöglicht und kritische Schädigungskonzentrationen erkennt.
Ansicht der Koksofenbatterie aus Richtung des Besuchergangs (Kokerei Zollverein in Essen).
Erkennung des Korrosionsgrades an Proben durch maschinelles Lernen.
Projekttitelbild: Luftaufnahme eines Kohlewassertanks auf der weißen Seite der Kokerei (Kokerei Zollverein in Essen).
