Structural condition assessment of composites using image processing and wavelet analysis

• Autorzy: Katunin A. , Wronkowicz A.

Warianty tytułu

PL

Strukturalna ocena stanu kompozytów z wykorzystaniem przetwarzania obrazów i analizy falkowej

• Języki publikacji: EN

Abstrakty

EN

The paper describes a method of the identification of cracks basing on in-plane deflection profiles of structural elements, which is based on vision data acquisition, intelligent image processing procedures and wavelet analysis. The experimental studies were carried out on composite preloaded beams with single and multiple artificial cracks with variable depths. The preloading of beams allows for detection and localization of breathing cracks using the proposed method. An Application of wavelet transform of the deflection profiles obtained during image processing makes possible the identification of cracks basing on even the smallest irregularities of the deflection curvatures. Such a non-contact method provides an efficient condition assessment of beam-like structures and could be used as a continuous condition monitoring tool as well, which is much more cost-efficient solution than the presently used strain gauge-based measurement systems.

PL

Streszczenie W artykule opisano metodę identyfikacji pęknięć na podstawie profili ugięcia elementów strukturalnych, która jest oparta na akwizycji danych wizyjnych, inteligentnym przetwarzaniu obrazów oraz analizie falkowej. Próby eksperymentalne były przeprowadzone na wstępnie obciążonych belkach kompozytowych ze sztucznie wprowadzonymi pojedynczymi i wielokrotnymi pęknięciami o różnych głębokościach. Wstępne obciążenie belek pozwala na detekcję i lokalizację „oddychających” pęknięć z wykorzystaniem proponowanej metody. Zastosowanie transformacji falkowej do profili ugięcia otrzymanych podczas przetwarzania obrazów umożliwia identyfikację pęknięć na podstawie nawet najmniejszych nieregularności krzywizn ugięcia. Taka bezkontaktowa metoda zapewnia efektywną ocenę stanu struktur belko-podobnych i może być stosowana jako narzędzie ciągłego monitorowania stanu, co jest znacznie bardziej opłacalnym rozwiązaniem, niż aktualnie stosowane systemy pomiarowe oparte na tensometrii.

Słowa kluczowe

EN

composite structure; condition assessment; image processing; wavelet analysis

PL

struktura kompozytowa; ocena stanu; przetwarzanie obrazów; analiza falkowa

• Wydawca: Polskie Towarzystwo Mechaniki Teoretycznej i Stosowanej. Oddział Gliwice
• Czasopismo: Modelowanie Inżynierskie
• Rocznik: 2013
• Tom: T. 18, nr 49
• Strony: 25--32
• Opis fizyczny: Bibliogr. 24 poz.

Twórcy

autor

Katunin A.

• Institute of Fundamentals of Machinery Design, Silesian University of Technology

autor

Wronkowicz A.

• Institute of Fundamentals of Machinery Design, Silesian University of Technology

Bibliografia

• 1. Gu M., Xu Y.L., Chen L.Z., Xiang H.F.: Fatigue life estimation of steel girder of Yangpu cable-stayed bridge due to buffeting. “Journal of Wind Engineering and Industrial Aerodynamics” 1999, Vol. 80, p. 383 - 400.
• 2. Chen X.-Z., Zhu H.-P., Chen C.-Y.: Structural damage identification using test static data based on grey system theory. “Journal of Zhejiang University Science” 2005, Vol. 6A, p. 790 - 796.
• 3. Kohut P., Holak K., Dworakowski Z., Uhl T.: Vision data employed for crack detection and localization. “Diagnostyka – Applied Structural Health, Usage and Condition Monitoring” 2012, Vol. 63, p. 35 - 41.
• 4. Reynolds P.: Dynamic testing and monitoring of civil engineering structures. “Experimental Techniques” 2008, Vol. 32, p. 54 - 57.
• 5. Katunin A.: Damage identification in composite plates using two-dimensional B-spline wavelets. “Mechanical Systems and Signal Processing” 2011, Vol. 25, p. 3153 - 3167.
• 6. Stephen G.A., Brownjohn J.M.W., Taylor C.A.: Measurements of static and dynamic displacement from visual monitoring of the Humber bridge. “Engineering Structures” 1993, Vol. 15, p. 197 - 208.
• 7. Caetano E., Silva S., Bateira J.: A vision system for vibration monitoring of civil engineering structures. “Experimental Techniques” 2011, 4, Vol. 35, p. 74 - 82.
• 8. Morlier J., Salom P., Bos F.: New image processing tools for structural dynamic monitoring. “Key Engineering Materials” 2007, Vol. 347, p. 239 - 244.
• 9. Uhl T., Kohut P., Holak K., Krupiński K.: Vision based condition assessment of structures. “Journal of Physics: Conference Series” 2011, Vol. 305, No. 012043.
• 10. Patsias S., Staszewski W.J.: Damage detection using optical measurements and wavelets. “Structural Health Monitoring” 2002, 1, Vol. 1, p. 5 - 22.
• 11. Poudel U.P., Fu G., Ye J.: Structural damage detection using digital video imaging technique and wavelet transformation. “Journal of Sound and Vibration, 4-5, Vol. 286, p. 869 - 895.
• 12. Pakrashi V., O’Connor A.J., Basu B.: Damage calibration of a beam using wavelet analysis and image processing. “Bridge Engineering Research in Ireland”, Third Symposium on Bridge and Infrastructure Research in Ireland, Dublin 2006.
• 13. Pakrashi V., Basu B., O’Connor A.J.: Structural damage detection and calibration using a wavelet-kurtosis technique. “Engineering Structures” 2007, Vol. 29, p. 2097 - 2108.
• 14. Katunin A.: Identification of multiple cracks in composite beams using discrete wavelet transform. “Scientific Problems of Machines Operation and Maintenance” 2010, 2, Vol. 45, p. 41 - 52.
• 15. Katunin A.: The construction of high-order B-spline wavelets and their decomposition relations for fault detection and localisation in composite beams. “Scientific Problems of Machines Operation and Maintenance” 2011, 3, Vol. 46, p. 43 - 59.
• 16. Katunin A.: Crack identification in composite beam using causal B-spline wavelets of fractional order. “Modelowanie Inżynierskie” 2013, No. 46, Vol. 15, p. 57 - 63.
• 17. Rucka M., Wilde K.: Crack identification using wavelets on experimental static deflection profiles. “Engineering Structures” 2006, Vol. 28, p. 279 - 288.
• 18. Katunin A., Gnatowski A.: Influence of the heating rate on evolution of dynamic properties of polymeric laminates. “Plastics, Rubber and Composites” 2012, Vol. 41, p. 233 - 239.
• 19. Timoshenko S., Woinowsky-Kreiger S.: Theory of plates and shells. 2nd ed., New York-Toronto-London 1959.
• 20. Luisier F., Blu T., Forster B. Unser M.: Which wavelet bases are the best for image denoising? Proceedings of the SPIE Conference on Mathematical Imaging “Wavelet XI”, San Diego CA, USA, 2005.
• 21. Unser M., Blu T.: Fractional splines and wavelets. “SIAM Review” 2000, 1, Vol. 42, p. 43 - 67.
• 22. Van de Ville D., Unser M.: Complex wavelet bases, steerability, and the Marr-like pyramid. “IEEE Transactions on Image Processing” 2008, 11, Vol. 17, p. 2063 - 2080.
• 23. Chaudhury K.N., Unser M.: Construction of Hilbert transform pairs of wavelet bases and Gabor-like transforms. “IEEE Transactions on Signal Processing” 2009, 9, Vol. 57, p. 3411 - 3425.
• 24. Blu T., Unser M.: A complete family of scaling functions: the (3,3)-fractional splines. Proceedings of IEEE International Conference on Acoustics, Speech, and Signal Processing” 2003, Vol. 6, p. 421 - 424.