Zastosowanie termowizji do detekcji nieszczelności w sektorze motoryzacyjnym

• Autorzy: Macherzyński Wojciech , Ochman Marcin , Kulas Zbigniew , Dudek Krzysztof , Didyk Mateusz , Sroczyński Dawid

Identyfikatory

DOI

10.14313/PAR_241/79

Warianty tytułu

EN

The Use of Thermovision for Leak Detection in the Automotive Sector

• Języki publikacji: PL

Abstrakty

PL

Coraz bardziej rygorystyczne wymagania w zakresie ochrony środowiska, bezpieczeństwa czy niezawodności wymuszają na firmach z sektora motoryzacyjnego stosowanie efektywniejszych testów potwierdzających wymaganą szczelności komponentów (chłodnic, zbiorników, sprężyn powietrznych itp.). Obecnie stosowane metody niosą ze sobą ograniczenia, które generują otwartość przemysłu motoryzacyjnego na zupełnie nowe sposoby realizacji pomiaru nieszczelności. Zastosowanie kamer termowizyjnych do pomiaru energii cieplnej jest obecnie powszechną praktyką w wielu dziedzinach, a zastosowanie ich do pomiaru nieszczelności zamkniętych ustrojów pozwoliłoby na znaczne skrócenie czasu pomiarów w przypadku zbiorników odkształcalnych, wymagających długich czasów stabilizacji w metodach konkurencyjnych. W artykule opisano zastosowanie termowizji do wykrywania nieszczelności sprężyn gazowych.

EN

Increasing requirements for environmental protection, safety or reliability force automotive industries to use more efficient tests to measure tightness of the components. Currently adapted methods brings limitations which makes automotive industry open for new techniques for leakage tests. Infrared cameras are widely used in various fields. Using them to test leakage of closed-volume systems allows to significantly reduce test time, especially for objects which requires long stabilization times in competitive methods. In the article thermovision usage for leakage detection of gas springs were described.

Słowa kluczowe

PL

detekcja nieszczelności; lokalizacja nieszczelności; termowizja; algorytm klasyfikacji nieszczelności

EN

leakage detection; leakage localization; thermovision; leakage classification algorithm

• Wydawca: Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów PIAP
• Czasopismo: Pomiary Automatyka Robotyka
• Rocznik: 2021
• Tom: R. 25, nr 3
• Strony: 79--85
• Opis fizyczny: Bibliogr. 10 poz., rys., tab., wykr., wzory

Twórcy

autor

Macherzyński Wojciech

• Katedra Mikroelektroniki i Nanotechnologii, Wydział Elektroniki Mikrosystemów i Fotoniki, Politechnika Wrocławska

• https://orcid.org/0000-0002-8044-0043

autor

Ochman Marcin

• Uniterm sp. z o.o., Kominiarska 42C, 51-180 Wrocław
• Katedra Automatyki, Mechatroniki i Systemów Sterowania, Wydział Elektroniki, Politechnika Wrocławska

• https://orcid.org/0000-0002-8075-0033

autor

Kulas Zbigniew

• Uniterm sp. z o.o., Kominiarska 42C, 51-180 Wrocław

• https://orcid.org/0000-0001-9154-7981

autor

Dudek Krzysztof

• Uniterm sp. z o.o., Kominiarska 42C, 51-180 Wrocław

• https://orcid.org/0000-0002-9442-989X

autor

Didyk Mateusz

• Uniterm sp. z o.o., Kominiarska 42C, 51-180 Wrocław

• https://orcid.org/0000-0002-4074-2979

autor

Sroczyński Dawid

• Uniterm sp. z o.o., Kominiarska 42C, 51-180 Wrocław

• https://orcid.org/0000-0002-5141-5332

Bibliografia

• 1. Brodetsky E., Savic M., Leak monitoring system for gas pipelines, [In:] Proceedings of IEEE International Conference Acoustics, Speech, and Signal Processing, Vol. 3, 1993, 17-20, DOI: 10.1109/ICASSP.1993.319424.
• 2. Weil G.J., Non contact, remote sensing of buried water pipeline leaks using infrared thermography, [In:] Proceedings of Water Resources Planning and Management and Urban, Water Resources, Vol. 1993, 404-407, 1993.
• 3. Kroll A., Baetz W., Peretzki D., On autonomous detection of pressured air and gas leaks using passive IR-thermography for mobile robot application, [In:] Proceedings of IEEE International Conference on Robotics and Automation, 291-296, 2009, DOI: 10.1109/ROBOT.2009.5152337.
• 4. Lewis A.W., Yuen S.T.S., Smith A.J.R., Detection of gas leakage from landfills using infrared thermography - applicability and limitations, “Waste Management & Research”, Vol. 21, No. 5, 2003, 436-447, DOI: 10.1177/0734242X0302100506.
• 5. Qin H., Wang T., Fan W., Air Leak Localization Method Based on Infrared Thermography Using Local Gray-Entropy Difference Algorithm. “Applied Mechanics and Materials”, Vol. 233, 2012, 200-203, DOI: 10.4028/www.scientific.net/amm.233.200.
• 6. Zgłoszenie patentowe nr P434369.
• 7. Schapire R.E., Explaining adaboost. Empirical inference. 37-52, 2013.
• 8. Cortes C., Vapnik V., Support-vector networks. “Machine learning”, Vol. 20(3), 1995, 273-297, DOI: 10.1007/BF00994018.
• 9. Pedregosa F. et al., Scikit-learn: Machine Learning in Python, “Journal of Machine Learning Research”, Vol. 12, 2825-2830, 2011.
• 10. Powers D., Evaluation: From Precision, Recall and F-Factor to ROC, Informedness, Markedness & Correlation., 2008.

Uwagi

1. Opisane badania zostały wykonane w ramach projektu „Opracowanie i weryfikacja w warunkach rzeczywistych innowacyjnego detektora nieszczelności opartego o metodę termografii, dedykowanego w szczególności branży automotive” nr POIR.01.01.01-00-0773/17 współfinansowanego przez Narodowe Centrum Badań i Rozwoju. Praca powstała przy współudziale Wrocławskiego Centrum Akademickiego, realizującego program MOZART (Miejski Program Wsparcia Partnerstwa Szkolnictwa Wyższego i Nauki oraz Sektora Aktywności Gospodarczej).

2. Opracowanie rekordu ze środków MNiSW, umowa Nr 461252 w ramach programu "Społeczna odpowiedzialność nauki" - moduł: Popularyzacja nauki i promocja sportu (2021).