Diagnozowanie metodą podczerwieni lotniczych konstrukcji przekładkowych z automatyczną identyfikacją wykrytych uszkodzeń.

• Autorzy: Wójcik J.

Warianty tytułu

EN

Infrared method of diagnosing of aircraft sandwich structures with automatic identification of defects.

• Języki publikacji: PL

Abstrakty

PL

W pracy przedstawiono metodę termografii synchronicznej do wykrywania uszkodzeń powstających w trakcie eksploatacji statku powietrznego w lotniczych konstrukcjach przekładkowych. Opisano podstawy fizyczne rozchodzenia się fali cieplnej w konstrukcjach złożonych, wywołanej przez zewnętrzne źródło promieniowania. Zaprezentowano obrazy uszkodzeń uzyskane przez zastosowanie systemu termograficznego "lock-in". Zaproponowano metodę automatycznej identyfikacji uszkodzeń występujących w lotniczych konstrukcjach przekładkowych na podstawie ekstrakcji ich cech charakterystycznych z otrzymanych obrazów w podczerwieni. Ekstrakcję cech charakterystycznych uszkodzeń elementów lotniczych konstrukcji przekładkowych uzyskiwano w przestrzeni fourierowskiej. Próbkowanie widma obrazu wad realizowano za pomocą matrycy detektorów pierścieniowo-klinowych. Uzyskana informacja o cechach charakterystycznych wad była skompresowana do postaci 64-elementowego słowa cyfrowego, co w zdecydowany sposób ułatwia identyfikację informacji z wykorzystaniem sieci neuronowych.

EN

In this paper synchronic thermography method applied to detection of defects forming during aircraft operation in aircraft sandwich structures was presented. Physical fundamentals of thermal wave propagation in complex structures, caused by external emiter, were described. Images of defects obtained with "lock-in" system were presented. A method of automatic defects identification in aircraft sandwich structures was proposed, based of extraction of their characteristic features from infrared images. Extraction of characteristic features of defects in aircraft sandwich structures was obtained in Fourier space. Spectrum image of defects sampling with the usage of ring-wedge photodetectors was performed. The information about characteristic features of defects is compressed to 64-digit word, what makes considerably easy information identification with use of neural networks.

Słowa kluczowe

PL

lotnicze konstrukcje przekładkowe; fala termiczna; termografia; identyfikacja wad; transformacja Fouriera; detektor pierścieniowo-klinowy

EN

aircraft sandwich structures; thermal wave; thermography; defects identification; Fourier transform; ring-wedge detector

• Wydawca: Komitet Budowy Maszyn PAN
• Czasopismo: Zagadnienia Eksploatacji Maszyn
• Rocznik: 2005
• Tom: Vol. 40, nr 1
• Strony: 165--179
• Opis fizyczny: Bibliogr. 20 poz.

Twórcy

autor

Wójcik J.

• Instytut Techniczny Wojsk Lotniczych, ul. Księcia Bolesława 6, skr. poczt. 96, 01-494 Warszawa, tel./fax: [phone],

Bibliografia

• [1] Motl J., Stachowiak W.: Nowoczesne metody diagnostyczne kompozytowych konstrukcji lotniczych, 5-th International Conference „Airdiag and helicopters diagnostics AIRDIAG’97”, Warszawa 1997.
• [2] Motl J., Detecting of corrosion damages in aging aircraft, 5-th International Conference „Airdiag and helicopters diagnostics AIRDIAG’97”, Warszawa 1997.
• [3] Busse G., Wu D., Karpen W.: Thermal wave imaging with phase sensitive modulated thermography, J. Appl. Phys. 71, 8, 1992.
• [4] Kozharinov V.: New mode acoustic emission non-destructive testing of polyester composite materials. Materiały 15. Światowej Konferencji Badań Nieniszczących, Rzym, październik 2000.
• [5] Simonet D., Ithurralde G., Choffy J.P., Bonnafe J.P.: Non destructive testing space environment. Materiały 15 Światowej Konferencji Badań Nieniszczących, Rzym, październik 2000.
• [6] Hillger W.: Ultrasonic testing of composites - from laboratory research to in-field inspection, Materiały 15 Światowej Konferencji Badań Nieniszczących, Rzym, październik 2000.
• [7] Pezzoni R.: Laser-sherography for nondestructive testing of large area composite helicopter structures. Materiały 15 Światowej Konferencji Badań Nieniszczących, Rzym, październik 2000.
• [8] Wu D., Salemo A., Malter U., Aoki R., Kochendorfer R., Kachele P.K., Woithe K., Pfister K., Busse G.: Inspection of aircraft structural components using lockin-thermography, Quantitative Infrared Thermography, QIRT’96, Pisa 1997.
• [9] Zweschper TH., Wu D., Busse G.D.: Detection of loose rivets in aeroplane components using lock-in thermography, Quantitative Infrared Thermography, QIRT’98, Polska 1998.
• [10] Vavilov V.P., Almond D.P., Busse G D, Grinzato E., Krapez J.C., Maldague X., Marinetti S., Peng W., Shirayev V., Wu D., Infrared thermographic detection and characterization of impact damage in carbon fibre composites: results of the round robin test, Quantitative Infrared Thermography, QIRT’98, Polska 1998.
• [11] Linfoot E.H.: Fourier methods in optical image evaluation. The Focal Press, London 1964.
• [12] Nill N.B.: The moment as an image quality herit factor. Appl. Opt. 15, 2846-2854, 1976.
• [13] Galas J.: Transformacja Fouriera w procesie rozpoznawania obrazów. Optical Engineering, 27,3,1998.
• [14] Clark D., Casasent D. P.: Practical optical Fourier analysis for high speed inspection. Optical Engineering, 27, 5, s. 365-371, 1998.
• [15] Automatic Recognition and Control, Inc., 24 Widewaters Lane, Pittsford, New York, 14534.
• [16] Cyran K., Jaroszewicz L.R., Niedziela T.: Automatic image recognition based on diffraction method and artifical neural network. Proceedings of the 14th School of Optoelectronics Polish Academy of Science Photonics in Information Processing, Stare Jabłonki, November 7-11,2000, s. 211-219.
• [17] Fernandez A., Kaufmann G. H., Doval A. F., Blanco-Garcia J.: Fernandez J. L.: Comparison of carrier removal methods in the analysis of TV holography fringes by the Fourier transform method. Optical Engineering, 37, 7, s. 2899-2905,1998.
• [18] Cyran K., Jaroszewicz L.R., Niedziela T.: Automatic image recognition based on diffraction method and artifical neural network. Proceedings of the 14th School of Optoelectronics Polish Academy of Science Photonics in Information Processing, Stare Jabłonki, November 7- 11, s. 211-219, 2000.
• [19] Cyran K.A., Jaroszewicz L.R., Niedziela T.: Neural network based automatic diffraction pattern recognition. Opto-Electronics Review, 9, 3, s. 3001-307, 2001.
• [20] George N., Wang S.: Neural networks applied to diffraction-pattern sampling. Applied Optics, 33, s. 3127-3134, 1994.