Automated data analysis based on signal processing for two dimensional NDI data of the composite structures

• Autorzy: Dragan K. , Stefaniuk M. , Czulak A. , Bieniaś J. , Dziendzikowski M. , Leski A. , Gude M. , Hufenbach W.

Warianty tytułu

PL

Automatyczna analiza danych z wykorzystaniem cyfrowej analizy obrazu (NDI) struktury kompozytu

• Konferencja: Międzynarodowa Konferencja Naukowo-Techniczna „Diagnostyka Materiałów Polimerowych” (2 ; 08-15.12.2012 ; Male, Val di Sole, Włochy)
• Języki publikacji: EN

Abstrakty

EN

The present paper describes a structural data analysis approach in which two dimensional NDI data coming from various sources is analyzed and processed by a computerized tool. Results of that processing are used to provide a quantitative measure of the state of the inspected specimen and of the extent and nature of damage. Authors mainly refer to the usage of such systems in the context of composite materials and impact damage in particular, examples are given. In the analytical system the main measurement data source considered is the ultrasonic inspection coming in the form C-scan images. These images are then processed and analyzed with the use of machine learning/statistical classification algorithms. These algorithms are reinforced with data coming from a damage fingerprint database, which stores training data in various formats. Authors describe the methods used for each step of the analysis, and review existing algorithms and methodologies which may be used to assist quantification process.

PL

Niniejsza praca opisuje podejście do analizy danych, w której dwuwymiarowe zobrazowania wyników badań nieniszczących są analizowane i przetwarzane przez narzędzie programowe. Wyniki owego przetwarzania użyte są do ilościowego określenia stanu badanego elementu, ale także określenia rozmiaru uszkodzenia i jego natury. Autorzy odnoszą się głównie do wykorzystywania takowych systemów w kontekście materiałów kompozytowych, a w szczególności uszkodzenia udarowego, co zilustrowano przykładami. W niniejszym systemie analitycznym głównym źródłem danych pomiarowych ma być pomiar ultradźwiękowy w formie zobrazowania C-Scan. Obrazy uzyskane w wyniku owego zobrazowania poddane zostają obróbce z wykorzystaniem metod uczenia maszynowego i elementów klasyfikacji statystycznej. Działania te opierają się na bazie danych znaczników uszkodzeń, która zasilona jest różnymi typami danych. Autorzy opisują różne algorytmy stosowane na każdym z etapów analizy, oraz dokonują przeglądu wykorzystywanych metod.

Słowa kluczowe

EN

data analysis; non-destructive tests; composite; composite structure

PL

analiza danych; badania nieniszczące; kompozyt; struktura kompozytu

• Wydawca: Sieć Badawcza Łukasiewicz – Instytut Inżynierii Materiałów Polimerowych i Barwników
• Czasopismo: Przetwórstwo Tworzyw
• Rocznik: 2013
• Tom: [R.] 19, nr 1 (151)
• Strony: 4--8
• Opis fizyczny: Bibliogr. 15 poz., rys.

Twórcy

autor

Dragan K.

• Non Destructive Testing Lab., Air Force Institute of Technology, Warsaw, Poland

autor

Stefaniuk M.

• Non Destructive Testing Lab., Air Force Institute of Technology, Warsaw, Poland

autor

Czulak A.

• Institute of Lightweight Engineering and Polymer Technology, Technical University Dresden, Germany

autor

Bieniaś J.

• Department of Materials Engineering, Lublin University of Technology, Lublin, Poland

autor

Dziendzikowski M.

• Non Destructive Testing Lab., Air Force Institute of Technology, Warsaw, Poland

autor

Leski A.

• Non Destructive Testing Lab., Air Force Institute of Technology, Warsaw, Poland

autor

Gude M.

• Institute of Lightweight Engineering and Polymer Technology, Technical University Dresden, Germany

autor

Hufenbach W.

• Institute of Lightweight Engineering and Polymer Technology, Technical University Dresden, Germany

Bibliografia

• 1. 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.
• 2. K. Dragan, M. Dziendzikowski, M. Stefaniuk: Zintegrowane środowisko obliczeniowe do ultradźwiękowej diagnostyki obrazowej materiałów kompozytowych, Energetyka 8/2012.
• 3. 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.
• 4. 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).
• 5. Serre J., „Image analysis and mathematical morphology”, Academic Press, New York (1982).
• 6. Hastie T., Tibshirani R., Friedman J., The Elements of Statistical Learning: data mining, inference, and prediction; (5th ed.), Springer-Verlag, Berlin, 2009.
• 7. Pumphrey H., http://xweb.geos.ed.ac.uk/~hcp/ip2/princcpt.pdf
• 8. 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).
• 9. Shapiro L.G., Stockman G.C., “Computer Vision”, str. 137, 150. Prentince Hall, 2001.
• 10. Graff K.F., „Waves motion in elastic solids”, Dover Publications, Inc., New York 1991.
• 11. Dragan K „Image Processing approach for the Non Destructive Evaluation (NDE) of the composite materials as the input to structural durability assessment” Technical News, Lviv, Ukraine 1/2011.
• 12. Z. Su, L. Ye, Lamb wave-based quantitative identification of delamination in CF/EP composite structures using artificial neural algorithm, Composite Structures, 66(1-4) (2004) 627-637.
• 13. H. El Kadi, Modeling the Mechanical Behavior of Fiber-Reinforced Polymeric Composite Materials Using Artificial Neural Networks - A Review, Composite Structures 73 no. 1(2006) 1-23.
• 14. V.H.C. de Albuquerque, J.M.R.S. Tavares, L.M.P. Durăo, Evaluation of Delamination Damages on Composite Plates using Techniques of Image Processing and Analysis and a Backpropagation Artificial Neural Network, EngOpt 2008 - International Conference on Engineering Optimization, Rio de Janeiro, Brazil, 01 - 05 June 2008.
• 15. J. Jarmulak, E.J.H. Kerckhoffs, P.P van’t Veen, Case-based reasoning for interpretation of data from non-destructive testing, Engineering Applications of Artificial Intelligence 14 (2001) 401-417.