Dziś jest środa, 16 październik 2019 r.
Energoelektronika.pl na stronach Facebook REKLAMA MAPA SERWISU KONTAKT
Strona główna Załóż konto Artykuły branżowe Katalog firm Seminaria FAQ Kalendarium Słownik Oferta
Wyszukaj
1USD 3.8934 -0.05% 1EUR 4.297 +0.05% 1GBP 4.961 +0.67%
Zaloguj się
Login (adres e-mail):
Haslo:
  Rejestracja
  Zapomniałem hasła
Reklama

Aktualności
32 edycja targów Energetab 2019 juz za cztery tygodnie
więcej
Cykl szkoleń z zakresu programowania sterowników SIMATIC S7-300, S7-1200
więcej
Przyszłość sektora motoryzacji w Polsce ? raport Banku Pekao S.A.
więcej
Siemensa buduje fabrykę dla Przemysłu 4.0 w Polsce
więcej

Zobacz archiwum

Kalendarium
17 październik 2019
72 edycja Seminarium dla Służb Utrzymania Ruchu 
więcej
23 październik 2019
LUMENexpo Targi Techniki Świetlnej  
więcej
Newsletter
Jeżeli chcesz otrzymywać aktualne informacje o wydarzeniach w branży.
Podaj e-mail do subskrypcji:


Artykuły branżowe
6 luty 2013.

Zintegrowane środowisko obliczeniowe do ultradźwiękowej diagnostyki obrazowej materiałów kompozytowych

Zintegrowane środowisko obliczeniowe do ultradźwiękowej diagnostyki obrazowej materiałów kompozytowych

W artykule przedstawiono filozofię analizy ultradźwiękowego zobrazowania. Struktury kompozytowe są coraz częściej wykorzystywane w przemyśle lotniczym oraz energetycznym (szczególnie w przypadku elektrowni wiatrowych), zatem opracowanie metodyk badań nieniszczących jest niezbędne. Wiarygodna ocena skali strukturalnych defektów (odklejeń, rozwarstwień, wtrąceń ciał obcych), podobnie jak opis samego materiału kompozytowego są zagadnieniami którymi zajmuje się opisywana w artykule metodologia. W niniejszej pracy poruszonych jest wiele zagadnień z dziedzin inspekcji czy przetwarzania sygnałów. W szczególności skupiono się na pewnych statystycznych i numerycznych metodach które usprawniają wybór parametrów diagnostycznych i wspomagają czasową analizę sygnału oraz przetwarzanie i analizę obrazów. Artykuł naświetla trudności i zalety proponowanych sposobów przetwarzania sygnałów i ukazuje nowe możliwości trójwymiarowego opisu materiałów kompozytowych. W artykule przedstawiono też wyniki pomiarów z dziedziny energetyki wiatrowej.

Wstęp

Badania nieniszczące w licznych przypadkach dostarczają danych odnośnie stanu struktury w postaci obrazów. Wykorzystanie obrazów jest szczególnie efektywne w przypadku diagnostyki powłokowych konstrukcji kompozytowych. Elementy kompozytowe narażone są na wystąpienie krytycznych uszkodzeń w postaci rozwarstwień, odklejeń czy też pękania włókien lub pękania osnowy, które mogą rozwijać się w trakcie eksploatacji konstrukcji. Wykazano, że nawet ledwo widoczne uszkodzenia powstałe wskutek uderzeń o niskiej energii (BVID - ang. Barely Visible Impact Damage), mogą pod wpływem cyklicznych obciążeń osiągnąć znaczne rozmiary. Jednakże, zgodnie z koncepcją tolerowanego uszkodzenia, struktury ze znacznymi obszarami odklejeń i rozwarstwień, mogą zostać dopuszczone do eksploatacji - konieczne jest jednak posiadanie jasno określonych kryteriów wystąpienia krytycznego uszkodzenia. W niniejszym artykule opisano metodykę stworzenia środowiska decyzyjnego, które mogłoby wspomóc eksploatację konstrukcji kompozytowych, zarówno w lotnictwie jak i w energetyce ( w szczególności odnawialnej).

Uszkodzenia materiałów kompozytowych oraz diagnostyka BN

Zastosowanie kompozytów w energetyce jest szczególnie istotne w przypadku turbin wiatrowych. Ze względu na podobieństwo konstrukcji oraz wymiary i środki produkcyjne, metody ich diagnostyki pokrywają się w dużej części z tymi stosowanymi w lotnictwie. Wraz z rozwojem elektrowni wiatrowych pojawiają się zagadnienia strukturalne powodujące pewne trudności w eksploatacji tych urządzeń. Wzrost rozmiarów łopat i praca turbin w coraz trudniejszych warunkach, rodzi konieczność optymalizacji konstrukcji, aby zminimalizować jej ciężar, zapewniając przy tym odpowiednią sztywność oraz trwałość zmęczeniową w obliczu złożonego zespołu obciążeń przy zachowaniu niskich kosztów. Ze względu na charakter wytwarzania materiałów kompozytowych istotnym zagadnieniem kontroli jakości jest wykrywanie wewnętrznych defektów już na etapie produkcji. Zważywszy na niepewność związaną z inspekcją i prognozowaniem zmęczeniowego zużycia materiałów kompozytowych pojawia się również potrzeba monitorowania struktury także w trakcie eksploatacji. Ilość typów uszkodzeń związanych z pracą łopaty turbiny wiatrowej jest znaczna [1], jednak większość ze spotykanych uszkodzeń można przedstawić za pomocą kombinacji niewielkiej liczby podstawowych typów. Najważniejszymi rodzajami wad i uszkodzeń łopat kompozytowych, podobnie jak w strukturach lotniczych, są rozwarstwienia oraz odklejenia elementów poszycia od elementów siłowych lub wypełniaczy. W związku z tym do diagnozowania łopat turbin wiatrowych wykorzystuje się często klasycznie stosowane w lotnictwie metody badań, m.in. techniki impedancji mechanicznej (MIA), metody ultradźwiękowej. Metodami tymi można diagnozować także wszelkie inne defekty kompozytów które mogą towarzyszyć zjawiskom odklejeń oraz rozwarstwień, np. wtrącenia materiałów obcych, obszary ubytków i naddatków żywicy czy pęknięcia włókien. Dokładne określenie umiejscowienia, rozmiaru oraz tempa wzrostu uszkodzenia, pozwala podjąć racjonalną decyzję o dalszej pracy łopaty i umożliwia optymalizację kosztów przeglądu. W pracy [3] rozpatrzono przydatność niektórych metod nieniszczących stosowanych przez ITWL (metody ultradźwiękowe, MIA, termografia laserowa) do opisu uszkodzeń na łopatach turbin wiatrowych. Większość metod jest w stanie wykryć uszkodzenie, ilościowy opis rozmiaru uszkodzenia jest jednak tym trudniejszy im mniejsze (bardziej zbliżone do granicy możliwości detekcji) są wykryte uszkodzenia. W niniejszej pracy opisano metodykę ilościowego opisu rozwarstwień powłokowej konstrukcji kompozytowej (skrzydła samolotu, łopaty turbiny wiatrowej) z wykorzystaniem zobrazowania C-Scan badań ultradźwiękowych oraz przedstawiono zarys opracowywanego przez ITWL zautomatyzowanego systemu prognozowania wytrzymałości i pozostałej trwałości eksploatowanych struktur kompozytowych.

Zautomatyzowany system diagnostyki kompozytów

W związku z rosnącym zapotrzebowaniem przemysłu lotniczego oraz energetycznego na dokonywanie szybkiej i wiarygodnej diagnostyki konstrukcji kompozytowych autorzy proponują numeryczny system ekspercki mający wspomóc wspomnianą ilościową ocenę wykrytych uszkodzeń. Docelowo w proponowanym środowisku wykorzystana zostanie istniejąca infrastruktura oraz metodyki inspekcji i badań nieniszczących, jak również możliwe będzie wykorzystanie nowych metod pomiarowych.

Aparatura wykorzystywana w badaniach nieniszczących takich jak termografia, badania ultradźwiękowe (wykorzystujące zobrazowanie C-Scan, B-Scan), metoda prądów wirowych przedstawia wyniki badań w postaci cyfrowych dwuwymiarowych obrazów, jako najłatwiejsze do przetwarzania i analizy przez operatora. Komputerowa wizualizacja pomiarów z badań nieniszczących pozwala na szybkie uzyskanie użytecznych, łatwych do interpretacji informacji z dużych zbiorów danych. Odpowiednie algorytmy cyfrowego przetwarzania i analizy obrazów zasilą proponowany system ekspercki aktualnymi (niekiedy niepełnymi) danymi na temat stanu technicznego struktury. Algorytmy te wspomożone zostaną metodami klasyfikacji statystycznej i mechanizmami wykrywania wzorców. Wszelkie zebrane w ten sposób informacje, które pozwolą na opisanie aktualnego stanu struktury, stanowić będą zbiór wyjściowy do numerycznych analiz wytrzymałościowych metodą elementów skończonych. Umożliwi to prognozowanie rozwoju rozwarstwień, pozwalając na bardziej precyzyjne i zautomatyzowane określenie pozostałego resursu (trwałości) danego elementu konstrukcji. Główną metodą diagnostyczną wykorzystywaną w systemie będzie zobrazowanie C-Scan badań ultradźwiękowych, ze względu na znaczne doświadczenie ITWL w wykorzystaniu tej metody oraz na względną łatwość inspekcji rzeczywistych konstrukcji lotniczych. Jest to jedna z metod pomiarowych, dostarczających w krótkim czasie dokładnego i wiarygodnego opisu rozwarstwień i innych uszkodzeń. Opracowywany system wnioskowania połączy dostępne dane ze we wszystkich źródeł pomiarów, ale przede wszystkim opierać się będzie na wynikach zaawansowanych obliczeń numerycznych. System ten opiera się na koncepcji bazy danych Cyfrowych Znaczników Uszkodzeń (ang. DDF - Digital Damage Fingerprints). Baza DDF z wykorzystaniem statystycznych metod klasyfikacji stanowić będzie mechanizm pozwalający na uzyskanie szczegółowych geometrycznych i materiałowych parametrów niezbędnych dla zautomatyzowanych analiz MES, aby docelowo umożliwić ilościową i niezależną od czynnika ludzkiego ocenę stanu uszkodzenia.

Schemat koncepcji systemu przedstawiony jest na Rys. 1. Na pierwszym etapie dane pomiarowe, najlepiej pochodzące z rożnych typów badań NDT, zasilą moduły analizy, przetwarzania oraz fuzji danych. Przetwarzanie i analiza obrazów polegać będzie głównie na redukcji szumów, wykrywaniu krawędzi, rozpoznawaniu wzorców oraz klasyfikacji obiektów, w taki sposób, aby uzyskać geometryczną parametryzację uszkodzeń. W następnym kroku, parametry kształtu wprowadzone zostaną do bazy DDF, na podstawie której określony zostanie zestaw danych o warunkach brzegowych, warunkach obciążenia, geometrii i danych materiałowych, które posłużą jako dane wejściowe do zautomatyzowanych modeli MES potrzebnych dla serii obliczeń wzrostu uszkodzenia. Taka budowa bazy danych oparta jest na koncepcji zaprezentowanej przez Su oraz Ye [3]. Klasyfikatory zastosowane w systemie zostaną wykalibrowane przy pomocy serii pomiarów testowych oraz wyników analiz numerycznych.

Rys. 1 Schemat środowiska obliczeniowego

Metody przetwarzania obrazu w badaniach nieniszczących

Segmentacja obrazu

W celu uzyskania z obrazów dokładnej informacji na temat badanej struktury, należy poddać je odpowiednim transformacjom. W typowych obrazach uzyskanych w trakcie rzeczywistych inspekcji występuje szereg niedogodności, takich jak występowanie szumu pomiarowego, obecności wtrąceń/zanieczyszczeń, niejednorodności tła. Z tego powodu stosowane są odpowiednie algorytmy pozwalające na wyekstrahowanie parametrów opisujących uszkodzenie niezbędnych dla poprawnych symulacji MES.

W trakcie analizy obrazu, pierwszym etapem jest określenie ROI (Region Of Interest - obszaru zainteresowania), w celu wytypowania podzbioru danych (podmacierzy obrazu), który zawierać ma tylko uszkodzenie z zaobserwowanej grupy. Działanie takie ma na celu zmniejszenie nakładu numerycznego, a także pozwala na wykorzystanie algorytmu odpowiedniego do rodzaju uszkodzenia sklasyfikowanego w danym ROI. Wybór ROI możliwy jest po przeprowadzeniu segmentacji obrazu, która ma na celu wstępne zaszeregowanie obszarów (pikseli) obrazu do odpowiednich kategorii według wybranych kryteriów.

Przykładem szeroko stosowanego algorytmu segmentacji jest metoda OTSU zastosowana w rzeczywistych zagadnieniach badań nieniszczących [5,6,7]. Metoda OTSU opiera się na progowaniu (ang. tresholding) globalnego histogramu jaskrawości i prowadzi do binaryzacji rozpatrywanego obrazu według następującej zależności:

a) obraz wyjściowy b) pierwsza składowa główna c) druga składowa główna
Rysunek 2. Analiza składowych głównych w transformacji cyfrowego obrazu.

1040.png(1)

Optymalną wartość parametru vth otrzymuje się maksymalizując:

1047.png (2)

gdzie:

1055.png(3)

zaś σB oznacza wariancje pomiędzy grupami obiektów, a T oznacza globalną wariancję obrazu.

Kolejnymi technikami statystycznymi, które mogą być wykorzystane zarówno na etapie identyfikacji jak i klasyfikacji obrazowanych obiektów są analiza składowych głównych - PCA (ang. Principal Component Analysis) oraz liniowa analiza dyskryminacyjna Fishera - LDA (ang. Linear Discriminant Analysis) [8].

Niech

1064.png

będzie wynikiem obserwacji k ustalonych parametrów. W przypadku analizy cyfrowych obrazów obserwacjami są poszczególne piksele, zaś parametrami mogą być wartości kanałów RGB dla pojedynczego obrazu lub ich zbioru. W klasyfikacji obrazowanych obiektów wykorzystuje się często parametry opisujące ich kształt lub zróżnicowanie. W obydwu wspomnianych powyżej metodach statystycznych poszukuje się takich przekształceń obserwowanych parametrów (x1,...,xk), by za ich pomocą uzyskać możliwie najlepsze rozróżnienie pomiędzy zidentyfikowanymi obiektami i tłem. Zróżnicowanie poszczególnych parametrów oraz związki pomiędzy nimi opisuje tzw. macierz kowariancji ? . Wariancja (rozrzut) danej kombinacji liniowej parametrów

1094.png 

wynosi nTx. Pierwsza składowa główna PC1 w algorytmie PCA - przekształcenie parametrów (x1,...,xk)obserwacji powyższej postaci ma maksymalną możliwą wariancję. Kolejna składowa ma również maksymalny możliwy rozrzut oraz jest z nią nieskorelowana. W przypadku transformacji obrazu oznacza to, że zastępując wartości kanałów RGB wartościami pierwszej składowej głównej uzyskamy największy średni kontrast, zaś druga składowa może być uważana za szum (Rys. 2) [9].

W algorytmie LDA Fishera maksymalizowane są kolejno wartości

1126.png

gdzie Σb jest tzw. wariancją międzygrupową wyznaczaną na podstawie pewnego zbioru danych uczących, gdzie zidentyfikowane zostały uprzednio obszary tła oraz zawierające poszukiwane w danym zagadnieniu obiekty. W porównaniu z analizą składowych głównych metoda LDA pozwala uzyskać lepszy kontrast pomiędzy kluczowymi elementami obrazu oraz tłem kosztem dysponowania a-priori odpowiednim zbiorem danych testowych.

Obie opisane powyżej metody mogą zostać wykorzystane w algorytmach klasyfikacji obrazowanych obiektów w oparciu o parametry opisujące ich geometrię.

Redukcja szumów i filtracja obrazu

Dodatkowe informacje z dwuwymiarowego sygnału, za jaki można uważać obraz pozyskuje się rozpatrując jego widmo częstotliwościowe. W tym celu wykonuje się dyskretną transformatę Fouriera obrazu a następnie poddaje się go filtracji. Filtry w dziedzinie częstotliwości pozwalają np. na wygładzenie obszarów w zarejestrowanym obrazie, wykonywanie globalnej/lokalnej redukcji szumów czy też usprawnienie mechanizmów wykrywania krawędzi.

Jednym z podstawowych filtrów stosowanych w przetwarzaniu obrazów, jest dolnoprzepustowy filtr Gaussa [10,11]. Służy on do zmniejszenia poziomu szumów lub odseparowania obszaru tła. Wygładzenie filtrowanego obszaru następuje poprzez odseparowanie wysokoczęstotliwościowych składowych, do których najczęściej można zaliczyć szum. Filtr Gaussa scharakteryzować można następującą odpowiedzią impulsową:

1141.png (4).

Przetransformowany obraz 1148.png otrzymywany jest za pomocą splotu

1156.png(5).

Innym przykładem narzędzia stosowanego do wygładzania obrazów m.in. w badaniach ultradźwiękowych jest algorytm filtru medianowego [12,13,14]. Zastosowany tam filtr, działający w otoczeniu n x x pikseli można przedstawić za pomocą następującej zależności:

1176.png (5)

Stosowane są także filtry uśredniające [15,16] polegające na uśrednieniu jaskrawości wybranej liczby pikseli otaczających rozpatrywany punkt.

Wykrywanie krawędzi

Podstawową metodą wykrywania krawędzi w obrazie są metody gradientowe [17,18]. Należy pamiętać, że metody gradientowe są podatne na występowanie wysokoczęstotliwościowych składowych w obrazie, dlatego też należy przetwarzany obraz wstępnie poddać operacjom opisanym powyżej.

1191.png (9)

1198.png (10)

Wykorzystując amplitudę (9) i kierunek (10) gradientu w obrazie uzyskuje się położenie krawędzi w miejscach gdzie funkcja (10) wykazuje ekstremum. Wykorzystywane są również filtry Sobela, Robertsa lub Canny?ego [10,13,16]. Na poniższej ilustracji (Rys. 3) przedstawiono przykład wykorzystania opisanych metod w badaniach ultradźwiękowych uszkodzeń typu BVID.

Obraz1270.PNG 

Obraz1278.PNG 

Obraz1287.PNG 

C-Scan

filtracja obrazu

wykrywanie krawędzi

Rysunek 3. Wynik przetwarzania obrazu dla badania ultradźwiękowego uszkodzenia typu BVID - badania ITWL .

Analiza i przetwarzanie obrazów w zintegrowanym środowisku obliczeniowym

W proponowanym systemie powinny zostać wykorzystane dane z wielu metod badań nieniszczących tak, aby w jak najpełniejszy sposób opisać obszar uszkodzenia i zmiany zaobserwowane w badanym elemencie struktury. Jest to konieczne zarówno dla uzyskania efektywnych modeli klasyfikacyjnych oraz wiarygodnych prognoz wytrzymałościowych na podstawie symulacji numerycznych. Przykładem dysponowania niepełnymi danymi jest występowanie w badaniach ultradźwiękowych efektu "zacienienia" - warstwy znajdujące się poniżej rozwarstwienia najbliższego do czujnika w obrazie C-scan są niewidoczne (zasłonięte). Mimo to, dokładnie określenie stanu wszystkich warstw jest konieczne dla przeprowadzenia poprawnej symulacji MES. Dlatego też do określenia stanu struktury powinna wykorzystana być metodyka syntezy danych z różnych źródeł pomiarowych (?fuzja danych"), a w celach kalibracji systemu mogłyby też zostać wykorzystane metody niszczące. Głównym przykładem wykorzystania fuzji danych w badaniach nieniszczących jest artykuł Grosa i zespołu [19] w którym zostały połączone wyniki badań prądowirowych oraz termografii, tak aby zsyntetyzować ostateczny zestaw danych opisujących stan struktury.

Wykorzystanie symulacji numerycznych w proponowanym środowisku obliczeniowym

Można wykazać, że obliczenia metodą elementów skończonych oraz wszelkie pola wielkości oraz skupione parametry, które można przy pomocy tych obliczeń uzyskać dają na tyle zróżnicowany obraz uszkodzenia, aby stanowić odpowiednie źródło danych treningowych algorytmów klasyfikacji uszkodzeń. Zasilenie bazy danych DDF wynikami symulacji stanowi istotny krok w obliczu posiadania niepełnych danych pomiarowych opisujących strukturę w danym momencie. Koncepcja bazy DDF połączonej z badaniami MES jest wykorzystywana w literaturze głównie do diagnostyki struktur falami Lamba i przy wykorzystaniu przetworników PZT [3,4]. Metodyka bazy DDF powinna zostać zaadaptowana tak, aby stworzyć zespół parametrów opisujących uszkodzenie wystarczający do zasilenia zautomatyzowanej serii symulacji. Trafne określenie stanu struktury metodą numerycznych obliczeń wzrostu rozwarstwienia jest głównym zadaniem proponowanego w artykule systemu diagnostyki kompozytów.

Automatyzacja tworzenia modeli numerycznych

Ze względu na trudności z dysponowaniem obszernej bazy danych pomiarowych z wieloma różnymi konfiguracjami uszkodzenia dla danego elementu, konieczne jest wykorzystanie symulacji numerycznych do opracowania systemu klasyfikacji uszkodzeń. Rzeczywistym wynikom badań przypisana zostanie odpowiednio większa waga statystyczna.

W szczególności zostaną wykorzystane techniki ekstrapolacji wstecznej pozwalające na modelowe połączenie aktualnego stanu konstrukcji oraz głównych potencjalnych scenariuszy uszkodzeń, które mogły do takiego stany doprowadzić. Będą to głównie dynamiczne symulacje uderzeń opisane parametrami takimi jak umiejscowienie uderzenia oraz energia uderzenia.

Symulacja czynnika powodującego uszkodzenie zostanie przeprowadzona w dwóch krokach, szeroko dyskutowanych w literaturze. Pierwszym etapem jest przeprowadzenie dynamicznej symulacji uderzenia przy pomocy kodów FEM typu ?explicit", następnie przeprowadzane są symulacje wstępnego wzrostu uszkodzenia (do poziomu aktualnego) dla każdego ze scenariuszy pomiarowych. Ze względu na ilość przetwarzanych danych symulacje te powinny zostać przeprowadzone w sposób zautomatyzowany, zarówno na etapie tworzenia siatki MES oraz warunków brzegowych modelu. Podobnie sieć modelu MES, powstała na podstawie zobrazowania C-Scan badanej konstrukcji, powinna zostać opracowana w sposób automatyczny w celu wyeliminowania wpływu operatora. W literaturze znaleźć można wiele przykładów wykorzystania automatycznych narzędzi tworzenia siatek MES [20,21]. Narzędzia automatycznej generacji siatek pozwalają również na tworzenie przestrzennych (trójwymiarowych) modeli obliczeniowych [22,23,17].

Modelowanie uderzenia i wzrostu rozwarstwienia

Istnieje zestaw technik symulacji uszkodzenia w postaci rozwarstwienia i wzrostu uszkodzenia w kompozytach przy pomocy metody elementów skończonych. W przypadku symulacji samego uderzenia, tzw. solvery typu ?explicite" przeważają w literaturze, podczas gdy analizy wzrostu uszkodzenia wykorzystują trzy główne technologie - VCCT (Virtual Crack Closure Technique), CZM (Cohesive Zone Modeling) oraz CTE (Crack Tip Element).

Jednym z przykładów wykorzystania symulacji MES do obliczenia powstania rozwarstwienia w materiale kompozytowym jest praca [24]. W badaniu tym seria próbek została poddana uderzeniom o określonych parametrach, które następnie zostały odwzorowane w symulacji numerycznej. Wyniki symulacji zostały porównane z wynikami testów laboratoryjnych badań ultradźwiękowych, radiografii oraz przy pomocy badań niszczących. Z wykorzystaniem metody CZM odwzorowano poprawnie jakościowe aspekty uszkodzenia (orientacja i kształt rozwarstwienia), mniejszą dokładność uzyskano dla obszaru uszkodzenia.

Obliczanie prędkości uwalniania energii odkształcenia przy pomocy metody VCCT dla nieregularnych kształtów rozwarstwienia opisane zostało w pracach [25,26]. Wyniki tej pracy są istotne dla rozważanego systemu, gdyż obszary rozwarstwienia wykryte w wyniku badań ultradźwiękowych nie posiadają zwykle regularnych kształtów, szczególnie w obszarach nieciągłości struktury.

Wnioski

Aby ilościowo opisać proces uszkadzanie konstrukcji kompozytowej w oparciu o wyniki badań nieniszczących konieczne jest zastosowanie programu symulacji numerycznych. Taki ilościowy opis jest niezbędny, aby móc prognozować stan struktury - zarówno w kompozytowych konstrukcjach lotniczych jak i w przypadku wspomnianej aplikacji dla kompozytowych łopat turbin wiatrowych. Jednakże zakres stosowania kompozytów w szczególności ich udział w budowie elementów krytycznych ulega zwiększeniu (np. konstrukcje Boeing 787). Stąd też wybranie odpowiednich metod diagnozowania i prognozowania trwałości ma duże znaczenie. Szczególnie ważne i niebezpieczne jest zagadnienie niskoenergetycznych uderzeń elementu o strukturę kompozytową (tzw. ang. low energy impact), jako że nie powoduje pojawienia się zewnętrznych oznak uszkodzenia.

W szczególności brak uszkodzeń wizualnych jest istotny dla kompozytów epoksydowych wzmacnianych włóknem węglowym. Brak wizualnych wskazań po uderzeniu nie oznacza braku uszkodzeń, a może prowadzić do katastroficznego zniszczenia - szczególnie w przypadku pojawienia się rozwarstwień lub pęknięć osnowy czy włókien. Z tego powodu szczegółowa inspekcja i diagnostyka z wykorzystaniem badań nieniszczących jest konieczna dla określenia umiejscowienia oraz rozmiaru i rodzaju uszkodzenia.

Wiele typów badań i inspekcji (spośród których metody ultradźwiękowe są najistotniejsze) daje wyniki w postaci obrazów (dwuwymiarowych wykresów zmierzonej wielkości diagnostycznej). W tego typu obrazach znaleźć można bogactwo informacji na temat stanu struktury i powinno się je wykorzystywać do prognozowania propagacji uszkodzeń w badanym elemencie struktury.

Można zauważyć, że metody stosowane do zbudowania proponowanej w niniejszym artykule sieci prognostycznej są szeroko opisane w literaturze oraz wykorzystywane w rzeczywistych zagadnieniach badań nieniszczących, jak i w badaniach naukowych. Dla każdego z opisanych kroków algorytmu diagnostycznego istnieją odpowiednie techniki stosowane przez badaczy - od dziedziny pozyskiwania, przetwarzania i analizy obrazów, przez zagadnienia zautomatyzowanych symulacji numerycznych, oraz algorytmy ?machine learning" i klasyfikatory opartych na sztucznej inteligencji, po metodyki modelowania rozwarstwień z wykorzystaniem Metody Elementów Skończonych.

Wydaje się iż w związku z niepełnością danych uzyskiwanych na drodze pomiarów badaniami nieniszczącymi, konieczne jest zastosowanie opisanych w pracy algorytmów sztucznej inteligencji, gdyż w przeciwnym wypadku uzyskanie parametrów koniecznych do zasilenia analiz wytrzymałościowych może być utrudnione lub niemożliwe. Widać iż klasyfikacja typu (znacznika) uszkodzenia w zależności od sygnału pomiarowego jest problemem silnie nieliniowym i rozwiązanie go nawet przy pomocy klasycznych metod optymalizacji może nie prowadzić do satysfakcjonujących rozwiązań. W chwili obecnej światowe laboratoria badawcze jak i producenci prowadzą prace mające na celu tworzenie takich systemów dla potrzeb wspomagania eksploatacji konstrukcji lotniczych.

Literatura

1. Christensen C. J., Ronold K. O., and Th?gersen M.L., "Calibration of partial safety factors for design of wind-turbines rotors blades against fatigue failure in flapwise bending", 2000, Ris?-R-1204(DA);
2. Dragan K. et al. "Structural integrity monitoring of wind turbine composite blades with the use of NDE and SHM approach"
3. Pan N., Su Z., Ye L., Zhou L.M, Y. Lu "A quantitative identification approach for delamination in laminated composite beams using digital damage fingerprints (DDFs)", Composite Structures 75 (2006) 559-570
4. Su Z., Ye L., "Lamb wave-based quantitative identification of delamination in CF/EP composite structures using artificial neural algorithm", Composite Structures, 66(1-4) (2004) 627-637.
5. Tian Y, Du D. et al. "Automatic Defect Detection in X-Ray Images Using Image Data Fusion" TSINGHUA SCIENCE AND TECHNOLOGY Volume 11, Number 6, December 2006
6. Dudzik S. "Application of the morphological operations for defect area recognition using active thermography", 10th International Conference on Quantitative InfraRed Thermography; July 27-30, 2010, Québec (Canada)
7. Serre J., ?Image analysis and mathematical morphology", Academic Press, New York (1982).
8. HASTIE T., TIBSHIRANI R., FRIEDMAN J., The Elements of Statistical Learning: data mining, inference, and prediction (5th ed.), Springer-Verlag, Berlin, 2009.
9. Pumphrey H., http://xweb.geos.ed.ac.uk/~hcp/ip2/princcpt.pdf
10. Fang Y.Z., Jia H.K., Li L.A., Wang Z.Y., Zhang S.J. "A new application of digital image processing to investigate thin compressed films: The measurement of buckling propagation" Optics and Lasers in Engineering 48 (2010)
11. Shapiro L. G., Stockman G. C "Computer Vision", str. 137, 150. Prentince Hall, 2001
12. Yue Z.Q, Chen S., Tham L.G. "Finite element modeling of geomaterials using digital image processing", Computers and Geotechnics 30 (2003) 375-397
13. Regalado W.J.P., Chertov A.M., Maev R.G. "Time of Flight Measurements in Real-Time Ultrasound Signatures of Aluminum Spot Welds: An Image Processing Approach".
14. Tukey JW. "Nonlinear (nonsuperposable) methods for smoothing data". Congr. Rec. EASCON?74.
15. Allerstorfer M, HEINZL C, KASTNER J., Groellerb E. - "UNCERTAINTY VISUALIZATION OF COMPUTED TOMOGRAPHY DATASETS FROM COMPLEX COMPONENTS USING STATISTICAL ANALYSIS", ndt.net
16. Benkö I, " Analysis of infrared images in integrated-circuit techniques by mathematical filtering "
17. Graff K.F., "Waves motion in elastic solids", Dover Publications, Inc., New York 1991.
18. Dragan K. "Image Processing approach for the Non Destructive Evaluation (NDE) of the composite materials as the input to structural durability assessment", Technical News, ISSN 1992-8149, 2011/1(33), 2(34) pp. 49 - 52;
19. Gros X.E., Bousigue J., Takahashi K, "NDT data fusion at pixel level", NDT&E International 32 (1999) 283-292
20. Xu W.J, Yue Z.Q, Hu R.L, "Study on the mesostructure and mesomechanical characteristics of the soil-rock mixture using digital image processing based finite element method", International Journal of Rock Mechanics & Mining Sciences 45 (2008) 749-762
21. Verhulp E., van Rietbergen B., Huiskes R., "A three-dimensional digital image correlation technique for strain measurements in microstructures", Journal of Biomechanics 37 (2004) 1313-1320
22. Abdul-Aziz A., Saury C., Bui Xuan V., Young P., "On the material characterization of a composite using micro CT image based finite element modeling", Proceedings of SPIE (2006)
23. Chen S., Yue Z.Q., Tham L.G. "Digital image-based numerical modeling method for prediction of inhomogeneous rock failure", International Journal of Rock Mechanics & Mining Sciences 41 (2004) 939-957
24. Aymerich F., Dore F., Priolo P., "Simulation of multiple delaminations in impacted cross-ply laminates using a finite element model based on cohesive interface elements", Composites Science and Technology 69 (2009) 1699-1709
25. Xie D., Biggers Jr S.B.., "Strain energy release rate calculation for a moving delamination front of arbitrary shape based on the virtual crack closure technique. Part I: Formulation and validation", Engineering Fracture Mechanics 73 (2006) 771-785
26. Xie D., Biggers Jr. S.B., "Strain energy release rate calculation for a moving delamination front of arbitrary shape based on the virtual crack closure technique. Part II: Sensitivity study on modeling details", Engineering Fracture Mechanics 73 (2006) 786-801

Instytut Techniczny Wojsk Lotniczych

Krzysztof Dragan,
Michał Dziendzikowski,
Michał Stefaniuk
Źródło: Instytut Techniczny Wojsk Lotniczych
O nas  ::  Regulamin  ::  Polityka prywatności (Cookies)  ::  Reklama  ::  Mapa stron  ::  FAQ  ::  Kontakt
Ciekawe linki: www.klimatyzacja.pl  |  www.strony.energoelektronika.pl  |  promienniki podczerwieni
Copyright © Energoelektronika.pl