Quantitative Röntgencomputertomographie von Polymerverbundwerkstoffen

Polymerverbundwerkstoffe bestehen typischerweise aus zwei oder mehreren konstituierenden Komponenten (z.B. Matrix, Fasern, Einschlüssen und Poren) mit unterschiedlichen physikalischen und chemischen Eigenschaften. Zu einem neuen Material kombiniert entsteht ein Werkstoff mit einzigartigen Eigenschaften hinsichtlich Gewicht, Zugfestigkeit, Steifigkeit und Korrosionsbeständigkeit. Zur zerstörungsfreien Prüfung und Analyse der inneren Struktur von Polymerverbundwerkstoffen wird vermehrt auf Röntgencomputertomographie (CT) gesetzt. Ein 3D Datensatz wird hierbei aus den generierten Durchstrahlungsbildern rekonstruiert, in mehreren Schritten bearbeitet und schlussendlich analysiert. Dieser konventionelle Ablauf leidet jedoch an ungenauer Modellierung und Fehlerfortpflanzung durch die einzelnen Datenverarbeitungsschritte, wodurch die Genauigkeit, mit der die interessanten Charakteristika extrahiert werden können, stark limitiert wird. In diesem Projekt wird ein neuer Ansatz entwickelt, der bestehende Paradigmen verschiebt, und die Quantifizierung von Polymerverbundwerkstoffen substantiell verbessert. Dies wird in einem neuen Arbeitsablauf realisiert, der sich auszeichnet durch die 1) Berücksichtigung von möglichen Deformationen während der CT-Messung zur Reduktion von Messartefakten; 2) durch eine genaue Modellierung aller Bestandteile des Polymerverbundwerkstoffs (Matrix, Poren, Einschlüsse und Fasern); 3) durch die direkte Extraktion der Modellparameter der einzelnen Bestandteile aus den Röntgendurchstrahlungsbildern, bei gleichzeitiger Unterbindung der Fehlerausbreitung über einen Rückkopplungsmechanismus; und 4) durch die Analyse des Eingangsparameterraums für den gesamten Arbeitsablauf, mit speziellem Fokus auf Sensitivität und Stabilität interessanter Ausgangsparameter bzw. Charakteristika. Dieser Analyseablauf ist derzeit noch beispiellos. Im Erfolgsfall wird der geplante Analyseablauf eine signifikant verbesserte Genauigkeit in der Charakterisierung interner Strukturen in Polymerverbundwerkstoffen im Vergleich zu konventionellen Verfahren erzielen.

Bei der Analyse von Bauteilen aus Hochleistungsverbundwerkstoffen wie etwa faserverstärkten Kunststoffen ist es sehr wichtig, die genauen Verteilungen von Merkmalen (Fasern, Poren, etc.) in den Bauteilen und deren Eigenschaften (Länge, Ausrichtung, Durchmesser, etc.) zu kennen, um feststellen zu können, wie sich das Bauteil in der Zielapplikation verhält. In diesem Projekt wurden Methoden entwickelt, um die Charakterisierung von Merkmalen, deren Eigenschaften und Verteilungen durch entsprechende Datenverarbeitung und Analysen zu ermöglichen. Wenn Materialexperten Hochleistungsverbundwerkstoffe untersuchen, wenden sie komplexe Verfahren zur Charakterisierung der einzelnen Merkmale auf volumetrische Datensätze der zu analysierenden Bauteile an, wie sie z.B. durch Röntgencomputertomographie-Scans des Bauteils generiert werden. Diese Charakterisierungsverfahren liefern im Idealfall die Basis zur Charakterisierung der beschriebenen Eigenschaften der interessanten Merkmale sowie deren Verteilung. Allerdings gibt es noch kein Verfahren das für jeden Anwendungszweck ideale Ergebnisse liefert; es ist nötig die Algorithmen an das analysierte Material und Bauteil anzupassen. Aus diesem Grund wurde an Möglichkeiten geforscht, um die Charakterisierung von Merkmalen im Vergleich zu bisherigen Verfahren signifikant zu vereinfachen und somit zu verbessern. Bisherige Verfahren wenden eine Vielzahl an Bildverarbeitungsschritten an, um die Charakterisierung von interessanten Merkmalen zu bestimmen. In jedem einzelnen dieser Schritte können jedoch Fehler eingeführt werden. Daher wurden als Teil dieses Projekts Algorithmen entwickelt, die das Ergebnis einer Merkmalscharakterisierung auf die Originaldaten zurückführen können, es mit diesen vergleichen, und dadurch die Charakterisierung verbessern, sodass der Unterschied zwischen Originaldaten und rückgeführter Charakterisierung in einem schrittweise optimierenden Verfahren minimiert wird. Als zweiter großer Teil wurden Methoden zur visualisierungsgestützten Analyse entsprechender Algorithmen entwickelt: So wurden etwa Methoden zur Bestimmung der Unsicherheit in einzelnen Bildverarbeitungsschritten erarbeitet. Des Weiteren wurden Methoden für den Vergleich von zwei oder mehr Charakterisierungsergebnissen entwickelt, die etwa aus verschiedenen Optimierungsschritten desselben Verfahrens oder von gänzlich unterschiedlichen Charakterisierungsalgorithmen stammen können. Dies erlaubt Entwicklern als auch Anwendern eine qualitative und quantitative Analyse darüber, wie gut die verschiedenen Algorithmen die Objekte charakterisieren können. Außerdem werden Rückschlüsse möglich, welche Verfahrensparameter in welcher Art und Weise angepasst werden müssen, um die Ergebnisse entsprechend der Zielapplikation abzustimmen. Unsere Methoden lassen sich auf vielfältige Arten von Objekten anwenden, etwa gerade und gebogene Fasern oder Poren. Zusätzlich haben wir Methoden entwickelt, mittels derer sich feststellen lässt, wie empfindlich die Charakterisierungsergebnisse in Bezug auf geringfügige Parameteränderungen sind - der Benutzer kann somit feststellen, ob sich das Ergebnis nur sehr gering oder auch stark ändert, wenn ein bestimmter Parameter eine leichte Änderung erfährt.