Drohendes Materialversagen rechtzeitig erkennen
Hagelschlag, ein kleiner Riss in der Scheibe, der zunächst unentdeckt bleibt und irgendwann zum Problem wird. Was bei einem Auto meist mit Ärger und Kosten verbunden ist, kann in der Luft- und Raumfahrt gefährlich werden: Materialschäden durch kurze starke Belastungen wie ein Zusammenstoß mit einem Vogel. Die verwendeten Hochleistungsfaserverbundstoffe reagieren sehr empfindlich auf solche sogenannte Impact-Lasten. Daniel Ginsberg hat an der Universität Siegen ein neuartiges Überwachungssystem entwickelt, das schneller und genauer als andere Verfahren eine Impact-Last registriert. Ginsberg verwendet weniger Sensoren als bisherige Methoden, dadurch wird die Lastüberwachung deutlich günstiger und attraktiver für mögliche Anwendungen.
Der Siegener Doktorand hat mit seinem Beitrag unter dem Arbeitstitel „Sparse Solution Strategy for Simultaneous Localization and Magnitude Estimation of Impact Loads“ bereits international überzeugt. Auf der diesjährigen International Conference on Smart Materials and Structures in Vancouver, Kanada, hat Ginsberg den Preis für den besten Beitrag eines Doktoranden erhalten. Der eingereichte Artikel ist ein bedeutendes Zwischenergebnis von Ginsbergs Doktorarbeit, die er in der Arbeitsgruppe des Siegener Professors Claus-Peter Fritzen, der auch Koautor des Beitrags war, anfertigt.
Anderen Verfahren überlegen
Systeme zur Lastüberwachung messen Schwingungen des Materials. Anhand der Schwingungen ist eine Rekonstruktion des Ortes und der Intensität eines Aufpralls möglich. Folgeschäden bis hin zu einem Materialversagen können dadurch vorausgesagt und verhindert werden.
Ginsbergs Überwachungssystem nutzt ein neues Berechnungsverfahren und hat Algorithmen aus der Mathematik auf das Problem der Kraftrekonstruktion angewandt. Seine Methode ist bisherigen in mehreren Bereichen überlegen. „Bei anderen Verfahren muss der Ort des Aufpralls für die Kraftrekonstruktion bekannt sein“, sagt Ginsberg. Seine Berechnungen hingegen offenbaren den Ort des Aufpralls, sind genauer, zuverlässiger und benötigen hierfür eine geringere Anzahl an Sensoren.
