Spektrale Analyse und Klassifikation von Spannbeton-Schadsignalen mittels Neuronaler Netze
Bachelorarbeit,Masterarbeit,Studienarbeit,Diplomarbeit,Projektarbeit
Im Rahmen des Projekts Damage Detection

Beschreibung

Nichtzerstörende Prüf- sowie Überwachungsverfahren sind für wichtige Infrastrukturelemente wie Spannbetonbrücken von wesentlichem Interesse. Akustische Schadenserkennung ist dabei ein Sammelbegriff für Verfahren, welche von auf der zu untersuchenden Struktur aufgebrachten Sensoren aufgenommenen Signale hinsichtlich auftretender Strukturschädigungen analysiert.
Es gibt eine Vielzahl von Verfahren, welche zum Teil in [1] zusammengefasst sind.

Im Rahmen dieser Arbeit sind Messungen von Spanndrahtbrüchen in Spannbetonbrücken, welche an verschiedenen Orten in Deutschland aufgenommen wurden, mit verschiedenen Zeit-Frequenztransformationen zu analysieren und anschließend mittels Faltungsnetze (engl. Convolutional Neural Networks, CNN) zu klassifizieren. Zusätzlich sind noch Vergleichsverfahren heranzuziehen.



Bei Interesse meldet euch gerne bei lange@tnt.uni-hannover.de oder hinrichs@tnt.uni-hannover.de und sendet uns bitte eine Noten- bzw Modulübersicht zu. [1] https://www.researchgate.net/publication/324449252_Fundamental_and_assessment_of_concrete_structure_monitoring_by_using_acoustic_emission_technique_testing_A_review

Voraussetzungen

  • Eigenständiges Arbeiten
  • Grundkenntnisse Signalverarbeitung
  • Python oder Matlabkenntnisse

Ansprechpartner: Alexander Lange