Analytische Chemie
Filtern
Dokumenttyp
- Vortrag (115)
- Beitrag zu einem Tagungsband (71)
- Zeitschriftenartikel (43)
- Posterpräsentation (20)
- Sonstiges (7)
- Dissertation (1)
- Forschungsbericht (1)
- Forschungsdatensatz (1)
Schlagworte
- Ultraschall (20)
- Lamb waves (18)
- Ultrasound (18)
- Structural Health Monitoring (17)
- Scaled Boundary Finite Element Method (15)
- Simulation (15)
- Luftgekoppelte Ultraschallprüfung (13)
- Non-destructive testing (13)
- Atmospheric pressure plasma (12)
- Phased Array (12)
Organisationseinheit der BAM
- 8.4 Akustische und elektromagnetische Verfahren (259) (entfernen)
Eingeladener Vortrag
- nein (115)
Im Auftrag des Bundesministeriums für Wirtschaft und Klimaschutz haben DIN und DKE im Januar 2022 die Arbeiten an der zweiten Ausgabe der Deutschen Normungsroadmap Künstliche Intelligenz gestartet. In einem breiten Beteiligungsprozess und unter Mitwirkung von mehr als 570 Fachleuten aus Wirtschaft, Wissenschaft, öffentlicher Hand und Zivilgesellschaft wurde damit der strategische Fahrplan für die KI-Normung weiterentwickelt. Koordiniert und begleitet wurden diese Arbeiten von einer hochrangigen Koordinierungsgruppe für KI-Normung und -Konformität.
Mit der Normungsroadmap wird eine Maßnahme der KI-Strategie der Bundesregierung umgesetzt und damit ein wesentlicher Beitrag zur „KI – Made in Germany“ geleistet.
Die Normung ist Teil der KI-Strategie und ein strategisches Instrument zur Stärkung der Innovations- und Wettbewerbsfähigkeit der deutschen und europäischen Wirtschaft. Nicht zuletzt deshalb spielt sie im geplanten europäischen Rechtsrahmen für KI, dem Artificial Intelligence Act, eine besondere Rolle.
In this study, we explored the detection of weak bonds (WBs) due to contamination and faulty curing (FC) using linear ultrasound and machine learning. For this purpose, aluminium single-lap adhesive joints containing three variants of bonding quality were investigated: perfect bond, WB due to release agent (RA) contamination, and WB due to FC. The data, according to the deviation of the bonding protocol, were arranged in two groups, creating two datasets: distinct and complete. Each dataset included all bonding conditions (perfect, RA, and FC), although the distinct dataset contained only marginal cases, which were expected to be well separable, whereas the complete dataset included data with minor deviations from the bonding protocol. Pulse-echo C-scan images were acquired for all prepared samples in the immersion tank, and 45 features were initially extracted from the time traces representing each bonding group. The initial data were analysed via a t-test and pairwise correlation analysis to reveal statistically significant features. Then, we performed dimensionality reduction using tree-based, recursive, sequential, and linear discriminant analysis (LDA) feature selectors to explore feature importance and classification accuracy with different feature subsets. Finally, the important features identified with the different feature selectors were fed to support vector machine (SVM) classifiers, and the classification accuracies were compared amongst the different feature subsets. The classification accuracy using a distinct dataset in some cases demonstrated nearly 99% accuracy, indicating that significant bonding protocol deviations could be easily detected. It was demonstrated that classification accuracy increased with the number of features. However, even in the case of the 2D feature space obtained using linear discriminant analysis, the bonding quality classification accuracy remained higher than 84%. The feature subspace reduction with LDA demonstrated sufficient classification accuracy and an improvement of nearly 40% in training time compared with that for the initial feature set. Thus, the classical ultrasonic pulse-echo C-scan with an LDA feature transformation and SVM classifier could be used to identify the deviations in the bonding protocol in aluminium single-lap adhesive joints.
Uncertainty quantification of multimodal surface wave inversion using artificial neural networks
(2023)
An inversion of surface waves dispersion curves is a non-unique and ill-conditioned problem. The inversion result has a probabilistic nature, which becomes apparent when simultaneously restoring the shear wave (S-wave) velocity and layer thickness. Therefore, the problem of uncertainty quantification is relevant. Existing methods through deterministic or global optimization approaches of uncertainty quantification via posterior probability density (PPD) of the model parameters are not computationally efficient since they demand multiple solutions of the inverse problem. We present an alternative method based on a multi-layer fully connected artificial neural network (ANN). We improve the current uni-modal approach, which is known from publications, to multi-modal inversion. The learned ANN maps the phase velocity dispersion curves to values of the S-wave velocity and layers thickness. To estimate the uncertainties, we adapt the Monte-Carlo simulation strategy and project onto the resulting velocity model both frequency-dependent data noise and inverse operator errors, which are evaluated by the prediction of the training data set. The proposed combination of surface waves data processing methods, configured with each other, provides a novel surface waves multi-modal dispersion data inversion and uncertainty quantification approach. We first test our approach on synthetic experiments for various velocity models: a positive velocity gradient, a low-velocity layer and a high-velocity layer. This is done considering uni-modal inversion at first and then compared to the multi-modal inversion. Afterwards, we apply our approach to field data and compare resulting models with the body S-wave processing by the generalized reciprocal method (GRM). The experiments show high-potential results using ANN yields the possibility to accurately estimate PPD of restored model parameters without a significant computational effort. The PPD-based comparison demonstrates advantages of a multi-modal inversion over uni-modal inversion. The trained ANN provides reasonable model parameters predictions and related uncertainties in real-time.
Wasserstoff als flexibel einsetzbarer und leicht transportierbarer Energieträger bildet eine Schlüsselkomponente auf dem Weg zu einer klimaneutralen Energiewende. Zur Speicherung von gasförmigem Wasserstoff kommen bei stationären und auch mobilen Anwendungen meist Druckbehälter aus Verbundwerkstoffen zum Einsatz. Dabei ist für den Betrieb der Behälter die Gewährleistung der Sicherheit von großer Relevanz. Structural Health Monitoring (SHM) bietet einen innovativen Ansatz, um sowohl die Sicherheit als auch die Zuverlässigkeit der Druckbehälter zu gewährleisten und kritische Versagensfälle zu vermeiden.
Zur kontinuierlichen Überwachung und Bewertung des Zustands eines Wasserstoffdruckbehälters wird in dem vorliegenden Beitrag eine aktive Methode präsentiert, die auf geführten Ultraschallwellen basiert. Dabei kommt das Pitch-Catch Verfahren zwischen Sender und Empfängern zur Überwachung der strukturellen Integrität zum Einsatz. Auf Grundlage des untersuchten Wellenausbreitungsverhaltens im Druckbehälter sowie der Geometrieeigenschaften wird ein Sensornetzwerk aus piezoelektrischen Flächenwandlern (PZT) zur Abdeckung des zu überwachenden Bereichs entworfen. Ziel ist es mit Hilfe eines Optimierungsalgorithmus eine größtmögliche Abdeckung bei gleichzeitiger Minimierung der Anzahl der Sensoren zu erreichen. Zudem soll eine gleichmäßige und platzsparende Verteilung im Vordergrund stehen, so dass zukünftig weitere Messmethoden auf dem Druckbehälter angewendet werden können (z. B. durch akustische oder faseroptische Sensoren).
Das für die Anwendung optimierte Sensornetzwerk wird anschließend hinsichtlich der Robustheit bei der Schadenserkennung und -lokalisierung durch Aufbringen von künstlichen Schäden evaluiert. Die Ergebnisse zeigen, dass die künstlichen Schäden am Wasserstoffdruckbehälter nachgewiesen werden können.
Der Beitrag behandelt verschiedene Themen aus dem H2Safety@BAM-Kompetenzfeld Sensorik, Analytik und zertifizierte Referenzmaterialien (SensRef) mit Schwerpunkt auf Mess- und Prüfverfahren, die verschiedene Analyseverfahren, Sensortechnologien und Ultraschallwellen nutzen. Ein Teil davon ist das Euramet-Vorhaben "MefHySto" zur Metrologie der Wasserstoffspeicherung. Des Weiteren werden Verfahren zur Erkennung von freigesetztem Wasserstoff und zur Bestimmung des Wasserstoff-Luftverhältnisses mithilfe von Gassensoren behandelt. Ein weiterer Aspekt ist die zerstörungsfreie Fehlstellenerkennung mit einem integrierten Zustandsüberwachungssystem, das auf geführten Ultraschallwellen basiert und zur Überwachung der Lebensdauer von Composite-Behältern (Wasserstoffspeicher) dient. Zudem wird die Anwendung faseroptischer Sensorik zur Schadenfrüherkennung an Wasserstoffspeichern diskutiert. Dabei werden erkennbare Dehnungsänderungen an Druckbehältern als Indikatoren genutzt.
Normung und Standardisierung in der zerstörungsfreien Prüfung finden auf nationaler, europäischer und internationaler Ebene statt. Durch die Übernahme von Leitungsfunktionen in diesen Gremien kann ein deutlicher steuernder Einfluss auf Themen und Inhalte der Normen genommen werden. Unabdingbar für den Erfolg ist zusätzlich das persönliche Engagement der Fachexpert*innen in den nationalen Gremien und den europäischen und internationalen Arbeitsgruppen. Denn wer nicht normt wird genormt und muss letztlich Regeln verwenden, die andere entsprechend ihrer eigenen Interessen gestalten. Voraussetzung für die Teilnahme in europäischen und internationalen Normungsgremien ist die Mitwirkung in den entsprechenden nationalen Spiegelgremien der nationalen Normungsinstitute, welche die europäischen und internationalen Aktivitäten spiegeln und die Fachexperten für die Mitarbeit autorisieren.
Gezeigt werden die relevante Gremienstruktur auf internationaler Ebene (ISO/TC 135 “Non-destructive testing”, ISO/TC 44/SC 5 “Testing and inspection of welds”), auf europäischer Ebene (CEN/TC 138 “Zerstörungsfreie Prüfverfahren”), die Struktur der nationalen deutschen Spiegelgremien, das Zusammenspiel der Gremien, und die Einflussmöglichkeiten.
The application of composite overwrapped pressure vessels (COPV) to store hydrogen and other compressed gases, especially when operating at high pressures, imposed the need for an innovative and reliable approach to ensure the safe operation of the system. Continuous structural health monitoring (SHM) based on ultrasonic guided waves (GWs) is a promising approach due to the ability of the wave to propagate for long distances and go around complex structures, moreover the high sensitivity to various failure modes such as delamination, matrix cracking and debonding. In this study, we scrutinize the behavior of (GWs) within the COPV using a network of PZT elements that are used for excitation and sensing. A laser doppler vibrometer (LDV) was also used to scan the surface of the vessel in various directions. L(0,1) and L(0,2) were observed in the captured signal. The L(0, 2) appeared to be a dominant mode in the COPV and was capable of propagating along the entire length and maintaining a good signal-to-noise ratio. The L(0,2) mode maintained the same phase velocity when it is captured at various excitation angles (0, 45, and 90 degrees). The reduced effect of the orthotropy of the materials on the propagating waves is an important result as it will reduce the complexity in data processing when performing damage identification.
The applications of composite overwrapped pressure vessels (COPVs) in extreme conditions, such as storing hydrogen gases at very high pressure, impose new requirements related to the system's integrity and safety. The development of a structural health monitoring (SHM) system that allows for continuous monitoring of the COPVs provides rich information about the structural integrity of the component. Furthermore, the collected data can be used for different purposes such as increasing the periodic inspection intervals, providing a remaining lifetime prognosis, and also ensuring optimal operating conditions. Ultimately this information can be complementary to the development of the envisioned digital twin of the monitored COPVs. Guided waves (GWs) are preferred to be used in continuous SHM given their ability to travel in complex structures for long distances. However, obtained GW signals are complex and require advanced processing techniques. Machine learning (ML) is increasingly utilized as the main part of the processing pipeline to automatically detect anomalies in the system's integrity. Hence, in this study, we are scrutinizing the potential of using ML to provide continuous monitoring of COPVs based on ultrasonic GW data. Data is collected from a network of sensors consisting of fifteen Piezoelectric (PZT) wafers that were surface mounted on the COPV. Two ML algorithms are used in the automated evaluation procedure (i) a long short-term memory (LSTM) autoencoder for anomaly detection (defects/impact), and (ii) a convolutional neural network (CNN) model for feature extraction and classification of the artificial damage sizes and locations. Additional data augmentation steps are introduced such as modification and addition of random noise to original signals to enhance the model's robustness to uncertainties. Overall, it was shown that the ML algorithms used were able to detect and classify the simulated damage with high accuracy.
The present work is part of the AIFRI project (Artificial Intelligence For Rail Inspection), where we and our project partners train a neural network for defect detection and classification. Our goal at BAM is to generate artificial ultrasound and eddy current training data for the A.I. This paper has an exploratory nature, where we focus on the simulation of eddy current signals for head check cracks, one of the most important rail surface defects. The goal of this paper is twofold. On the one hand, we present our general simulation setup. This includes geometric models for head check cracks with features like branching and direction change, a model for the HC10 rail testing probe, and the configuration of the Faraday simulation software.
On the other hand, we use the Faraday software to simulate eddy current testing signals with a strong focus on the influence of the damage depth on the signal, while differentiating between different crack geometries. Here, we observe an early saturation effect of the test signal at a damage depth of 2 mm (at a crack angle of 25◦ to the surface). That is about 2 mm earlier than we would expect from measurements at a crack angle of 90◦. This behavior will be investigated further in a future paper. Finally, we interpolate the simulated signals in a two-step curve fitting process. With these interpolations we may generate eddy current test signals for any damage depth within the simulated range.
The digitalization of quality control processes and the underlying data infrastructures for safety relevant components, such as hydrogen pressure vessels, plays a significant role in the transition towards Industry 4.0. In the current safety regulations for hydrogen pressure vessels, there is no established concept for structural health monitoring. The development of a reliable structural health monitoring methodology for monitoring the structural integrity of pressure vessels enables a fast-forward transition from personnel- and costintensive recurring inspections, a.k.a. periodic maintenance, to predictive maintenance. In the work presented; we investigated the application of ultrasonic guided wave propagation to monitor and assess the condition of Type IV composite overwrapped pressure vessel (COPV). A sensor network of fifteen piezo-electric wafers is placed on the carbon fibre reinforced composite cylinder. Five different artificial damage configurations are created by gluing two different weight blocks on three different locations. The database containing measured guided wave data sets is enriched by two different boundary conditions. We utilized an open-source software, openBIS labnotebook, to store and analyse experimental datasets. The guided wave ultrasonic signals were investigated and analysed by using commonly used ultrasonic features (e.g., amplitude, frequency, time of flight) as well as non-traditional time-series features (kurtosis, skewness, variance). The features were used to calculate damage index and the detection performance for the results has been evaluated. The results suggest that both traditional and non-traditional features assume significant importance in artificial damage detection. The future works will additionally involve the impacts of operational conditions, such as periodic pressure variations temperature loadings as well as material degradations.
This paper presents an automatic damage imaging technique by employing a signal processing approach based on applying hierarchically clustered filters across different domains. The technique involves time-frequency-wavenumber filter banks which are applied sequentially to ultrasonic guided wave (UGW) data. The study is conducted for a single lap joint composite specimen with a special focus on small voids which were formed due to manual adhesive component mixing. UGW data are acquired with a 3D Scanning Laser Doppler Vibrometer (LDV) over the scan area of the bonded plate. UGWs are excited at the central frequency of 100 kHz by a single piezoelectric transducer mounted on the surface of the single plate. Within each domain of time, frequency, and wavenumber, four filters are designed which results in 64 distinct filtered wavefields. From each filtered wavefield, an image is obtained by using root-mean-square (RMS) calculation of the signals. The obtained results are then combined to create a final, improved-resolution image of the scan area. The final image is compared to the image obtained through RMS calculation of full wavefield with interpolation through Delaunay triangulation and the image obtained by X-ray radiography. The results show that the smallest void that could be detected has a diameter of 2.14 mm.
Detaillierte Kenntnisse der elastischen Materialeigenschaften sind in vielen ingenieurtechnischen Bereichen von grundlegender Bedeutung. Insbesondere für die Anwendung von Predictive Maintenance und Structural- Health-Monitoring Methoden mit Ultraschall ist die genaue Kenntnis der elastischen Materialkonstanten eine Grundvoraussetzung. Die von den Herstellern zur Verfügung gestellten Angaben zu den elastischen Materialkonstanten, insbesondere für Polymere und faserverstärkte Kunststoffe, sind jedoch oft unzureichend, da diese vom Produktionsprozess abhängig sind und sich zusätzlich aufgrund von Materialabbauprozessen oder Ermüdung ändern können. In der Praxis liegen polymere Werkstoffe, faserverstärkte Kunststoffe und Metalle oft als dünne, plattenförmige Strukturen vor, in welchen sich geführte Ultraschallwellen (UGWs) ausbreiten können. In der aktuellen Forschung sind bereits verschiedene Neuronale Modelle zur Bestimmung der elastischen Konstanten und der Materialcharakterisierung mittels UGWs bekannt. Ein einfaches neuronales Netz, mit aus Dispersionsbildern extrahierten Werten für Frequenz und Wellenzahl ausbeutungsfähiger Moden als Eingabe, zur Vorhersage der elastischen Konstanten wird in verwendet. Ein rekurrentes Neuronales Netz mit einem Zeit-Frequenz Vektor als Eingabe wird in angewandt, während in ein 1D- Convolutional-Neuronal-Networks (CNN) unter Verwendung der zeitlichen Auslenkung der Grundmoden und in ein 2D-CNN unter Verwendung einer polaren Gruppengeschwindigkeitsdarstellung zur Bestimmung der elastischen Konstanten verwendet wird. In diesem Vortrag wird ein Ansatz zur Bestimmung der isotropen elastischen Konstanten von dünnen Platten auf der Grundlage von UGWs unter Verwendung von Dispersionsbildern und 2D-CNNs vorgestellt. Dispersionsabbildungen aus numerischen Simulationen werden mithilfe verschiedener Methoden vorverarbeitet, um realistische Messdaten zu simulieren. Mit den modifizierten Daten wird das Modell trainiert und die Architektur optimiert. Anschließend wird die Genauigkeit des erzeugten Modells mit realen Messdaten validiert. Es wird gezeigt, dass 2D-CNNs in der Lage sind, die isotropen elastischen Konstanten anhand multimodaler Merkmale aus Dispersionsbildern vorherzusagen, ohne dass eine anfängliche Schätzung der Parameter oder manuelle Merkmalsextraktion erforderlich ist.
Air-coupled ultrasound sensors have advantages over contact ultrasound sensors when a sample should not become contaminated or influenced by the couplant or the measurement has to be a fast and automated inline process. Thereby, air-coupled transducers must emit high-energy pulses due to the low air-to-solid power transmission ratios (10−3 to 10−8). Currently used resonant transducers trade bandwidth—a prerequisite for material parameter analysis—against pulse energy. Here we show that a combination of a non-resonant ultrasound emitter and a non-resonant detector enables the generation and detection of pulses that are both high in amplitude (130 dB) and bandwidth (2 µs pulse width). We further show an initial application: the detection of reflections inside of a carbon fiber reinforced plastic plate with thicknesses between 1.7 mm and 10 mm. As the sensors work contact-free, the time of flight and the period of the in-plate reflections are independent parameters. Hence, a variation of ultrasound velocity is distinguishable from a variation of plate thickness and both properties are determined simultaneously. The sensor combination is likely to find numerous industrial applications necessitating high automation capacity and opens possibilities for air-coupled, single-side ultrasonic inspection.
This thesis investigates ultrasonic guided waves (GW) in multi-layered plates with the focus on higher order modes. The aim is to develop techniques for hybrid structures such as of adhesive bonds and composite pressure vessels (COPV) which are widely used in automotive and aerospace industries and are still challenging to inspect non-destructively. To be able to analyse GW, numerical methods and precise material properties are required. For this purpose, an efficient semi-analytical approach, the Scaled Boundary Finite Element Method, is used. The material properties are inferred by a GW-based optimisation procedure and a sensitivity study is performed to demonstrate the influence of properties on GW. Then, an interesting feature, called mode repulsion, is investigated with respect to weak and strong adhesive bonds. The results show that the coupling between two layers influences the distance between coupled modes in a mode repulsion region, thus allowing for the characterisation of adhesive bonds. At next, wave-damage interaction is studied in the hybrid structure as of the COPV. Results show that the wave energy can be concentrated in a certain layer enabling damage localisation within different layers. Further investigations are carried out on the hybrid plate with an impact-induced damage. Two well-known wavenumber mapping techniques, which allow to quantify the damage in three dimensions, are implemented and their comparison is done for the first time.
It can be difficult to efficiently model ultrasonic waves in 3D structures, especially when the computational model needs to account for complex geometries. This contribution presents a solution based on the Scaled Boundary Finite Element Method (SBFEM). It is a numerical tool suitable for elastodynamic problems. A space-tree discretisation, namely quad-trees, is used. This technique allows the decomposition of an image into quadrilaterals or quads, which are extruded to generate the 3D plate geometry. In particular, small quads resolve regions with discontinuities, allowing them to represent fine details in the structure. Moreover, this meshing technique allows for exploiting cell similarities, making the calculation procedure more efficient. The space-tree discretisations are generated from a high-resolution image containing all the information about damaged regions or boundary conditions. The resulting SBFEM polyhedral domains employ transition elements to ensure correct coupling between cells of different sizes. The analytical solution of a cylindrical scatterer serves as a reference to validate the proposed approach. Other examples also demonstrate the validity of the methodology and its flexibility.
Human factors (HF) are little understood, and particularly in non-destructive testing (NDT) experimental data is rare, samples are often small, and statistical methods are rarely used to evaluate results. HF have been widely implicated in major occurrences of technical failure, for example at North Anna Power Plant and on United Airlines Flight 232. Understanding HF is vital for reliable detection and prevention of failures. Reliability assessments, though known to be affected by intrinsic capability, application factors, and HF, have thus far only concentrated to a sufficient degree on intrinsic capability. The addition of HF to that assessment has proven difficult due to the lack of a method of quantifying HF. This paper presents the first attempt from a psychological perspective to quantify HF from qualitative data.
HF data was derived from qualitative human-oriented Failure Modes and Effects Analysis (Human-FMEA) workshops for visual inspection of tunnels by laser scanning and for ultrasonic testing of welds. Data was collected on human failure modes, causes, consequences and preventive measures, as well as eliciting a risk priority number (RPN). Using this data, a system of quantitative weightings was created to allocate errors to inductively derived HF categories for further allocation to existing HF categorisation models.
This weighting model proved useful for creating quantitative summaries of HF, informing and validating qualitative FMEA results, and comparing existing HF categorisation models. Further potential lies within a planned interface to quantitative reliability assessment methods such as POD (Probability of Detection). While providing quantifications, the method retains a qualitative and holistic nature, can, thus, bridge the gap between psychological and engineering concerns of HF and reliability, contributing to future interdisciplinary work.
Phased-Array-Prüfköpfe für luftgekoppelte Ultraschallprüfung auf Basis von zellulären Kunststoffen
(2023)
Luftgekoppelte Ultraschallprüfung setzt sich immer häufiger gegen die konventionelle Ultraschallprüfung von Leichtbaukomponenten durch, und zwar in vielen Industriezweigen von der Holzindustrie bis zur Luftfahrt. aWährend die Phased-Array-Technik mittlerweile zu dem industriellen Standard im Bereich der Prüfung mit Ankopplung gehört, wird luftgekoppelte Ultraschallprüfung meist mit zwei Wandlern in Durchschallung durchgeführt. Deswegen werden Vorteile der Phased-Array-Technik wie beispielsweise elektronische Fokussierung oder Schwenkung des Einschallwinkels für luftgekoppelte Prüfung selten genutzt.
In diesem Beitrag werden die laufenden Arbeiten an der Entwicklung eines neuen Phased-Array-Geräts vorgestellt, mit dem Schwerpunkt an der Charakterisierung der Prüfköpfe und ihrer Schallfelder. Das Gerät besteht aus einem linearen Phased-Array-Prüfkopf, einer Sende- und einer Empfangseinheit. Die Hauptinnovation unserer Arbeit ist die Anwendung von zellulären Kunststoffen für den Bau eines Arrays, wobei der Sender mit Hochspannung von ca. 1500 V angeregt wird. Geladene zelluläre Polymere werden auch Ferroelektrete oder Piezoelektrete genannt. Sie weisen einen sehr niedrigen Elastizitätsmodul und dadurch eine niedrige akustische Impedanz auf, so dass auf den Einbau von Anpassschichten verzichtet werden kann.
Eine sehr niedrige mechanische Kreuzkopplung bei Ferroelektreten ermöglicht eine unabhängige Anregung einzelner Elemente, was bei Piezokompositen deutlich schwieriger wäre. Die Entwicklung der Array-Prüfköpfe wurde durch Berechnungen des Schallfeldes unterstützt, die auf Punktquellensynthese basieren. Die beabsichtigte Anwendung von Phased-Array-Prüfköpfen und des Prüfsystems sind die Durchschallung mit Fokussierung, elektronischer Scan und die Schwenkung des Einschallwinkels zur Anregung von geführten Wellen, angewandt an carbonfaserverstärkten Kunststoffen und ähnlichen Materialien. Die Anwendung von geführten Wellen bietet die Perspektive, Bauteile mit einseitiger Zugänglichkeit zu prüfen.
Die üblichen Verfahren der zerstörungsfreien Prüfung mit Ultraschall basieren auf der Verwendung von flüssigen Koppelmitteln. Luftgekoppelte Prüfung setzt sich gegen die konventionellen Verfahren durch, wenn die Flüssigkeit nicht erwünscht oder den Prüfling gar beschädigen kann. Zwei Technologien für Erzeugung von Ultraschallsignalen sind vielversprechend: thermoakustische Wandler und Ferroelektret-Wandler. Basierend auf diesen beiden Technologien wurden Array-Sender gebaut und in diesem Beitrag miteinander verglichen.
Thermoakustische Wandler basieren auf Dünnschichttechnologie und bieten eine resonanzfreie Erzeugung von Ultraschall. Sie bestehen aus einer dünnen elektrisch leitenden Schicht und werden mit kurzen elektrischen Pulsen angeregt. Die Erhöhung der thermischen Energie führt zur Erzeugung von akustischen Wellen in der umgebenden Luft.
Bei Ferroelektret-Wandlern handelt es sich um polarisierte zelluläre Kunststoffe, die für den Bau eines Array-Senders besonders gut geeignet sind. Einige Ferroelektrete weisen eine hervorragende an Luft angepasste akustische Impedanz auf, so dass auf den Einsatz von Anpassschichten verzichtet werden kann. Ein sehr niedriges mechanisches Übersprechen zwischen einzelnen Elementen ermöglicht eine unabhängige Anregung einzelner Elemente, was bei Piezokompositen deutlich schwieriger wäre.
Mit der Phased-Array-Technik können elektronische Fokussierung oder Schwenkung des Einschallwinkels für eine luftgekoppelte Prüfung genutzt werden. Die Schallfelder von diesen beiden Technologien wurden berechnet, gemessen und miteinander verglichen. Die Vorteile und Nachteile der beiden Technologien werden dargestellt.
Die üblichen Verfahren der zerstörungsfreien Prüfung mit Ultraschall basieren auf der Verwendung von flüssigen Koppelmitteln. Luftgekoppelte Prüfung setzt sich gegen die konventionellen Verfahren durch, wenn die Flüssigkeit nicht erwünscht oder den Prüfling gar beschädigen kann. Zwei Technologien für Erzeugung von Ultraschallsignalen sind vielversprechend: thermoakustische Wandler und Ferroelektret-Wandler. Basierend auf diesen beiden Technologien wurden Array-Sender gebaut und in diesem Beitrag miteinander verglichen.
Thermoakustische Wandler basieren auf Dünnschichttechnologie und bieten eine resonanzfreie Erzeugung von Ultraschall. Sie bestehen aus einer dünnen elektrisch leitenden Schicht und werden mit kurzen elektrischen Pulsen angeregt. Die Erhöhung der thermischen Energie führt zur Erzeugung von akustischen Wellen in der umgebenden Luft.
Bei Ferroelektret-Wandlern handelt es sich um polarisierte zelluläre Kunststoffe, die für den Bau eines Array-Senders besonders gut geeignet sind. Einige Ferroelektrete weisen eine hervorragende an Luft angepasste akustische Impedanz auf, so dass auf den Einsatz von Anpassschichten verzichtet werden kann. Ein sehr niedriges mechanisches Übersprechen zwischen einzelnen Elementen ermöglicht eine unabhängige Anregung einzelner Elemente, was bei Piezokompositen deutlich schwieriger wäre.
Mit der Phased-Array-Technik können elektronische Fokussierung oder Schwenkung des Einschallwinkels für eine luftgekoppelte Prüfung genutzt werden. Die Schallfelder von diesen beiden Technologien wurden berechnet, gemessen und miteinander verglichen. Die Vorteile und Nachteile der beiden Technologien werden dargestellt.
Phased-Array-Prüfköpfe für luftgekoppelte Ultraschallprüfung auf Basis von zellulären Kunststoffen
(2023)
Luftgekoppelte Ultraschallprüfung setzt sich immer häufiger gegen die konventionelle Ultraschallprüfung von Leichtbaukomponenten durch, und zwar in vielen Industriezweigen von der Holzindustrie bis zur Luftfahrt. Während die Phased-Array-Technik mittlerweile zu dem industriellen Standard im Bereich der Prüfung mit Ankopplung gehört, wird luftgekoppelte Ultraschallprüfung meist mit zwei Wandlern in Durchschallung durchgeführt. Deswegen werden Vorteile der Phased-Array-Technik wie beispielsweise elektronische Fokussierung oder Schwenkung des Einschallwinkels für luftgekoppelte Prüfung selten genutzt.
In diesem Beitrag werden die laufenden Arbeiten an der Entwicklung eines neuen Phased-Array-Geräts vorgestellt, mit dem Schwerpunkt an der Charakterisierung der Prüfköpfe und ihrer Schallfelder. Das Gerät besteht aus einem linearen Phased-Array-Prüfkopf, einer Sende- und einer Empfangseinheit. Die Hauptinnovation unserer Arbeit ist die Anwendung von zellulären Kunststoffen für den Bau eines Arrays, wobei der Sender mit Hochspannung von ca. 1500 V angeregt wird. Geladene zelluläre Polymere werden auch Ferroelektrete oder Piezoelektrete genannt. Sie weisen ein sehr niedriges Elastizitätsmodul und dadurch eine niedrige akustische Impedanz auf, so dass auf den Einbau von Anpassschichten verzichtet werden kann.
Eine sehr niedrige mechanische Kreuzkopplung bei Ferroelektreten ermöglicht eine unabhängige Anregung einzelner Elemente, was bei Piezokompositen deutlich schwieriger wäre. Die Entwicklung der Array-Prüfköpfe wurde durch Berechnungen des Schallfeldes unterstützt, die auf Punktquellensynthese basieren. Die beabsichtigte Anwendung von Phased-Array-Prüfköpfen und des Prüfsystems sind die Durchschallung mit Fokussierung, elektronischer Scan und die Schwenkung des Einschallwinkels zur Anregung von geführten Wellen, angewandt an carbonfaserverstärkten Kunststoffen und ähnlichen Materialien. Die Anwendung von geführten Wellen bietet die Perspektive, Bauteile mit einseitiger Zugänglichkeit zu prüfen.