26032

پايش سلامت قطعات كامپوزيتي با استفاده از روش هاي مبتني بر انتشار امواج فراصوت و شبكه ي عصبي

كارشناسي ارشد

مهندسي مكانيك

1398-1400

1400/8/30

مجيد رجبي

مهندسي مكانيك

يكي از موضوعات بسيار مهم در مهندسي، پايش سلامت سازه و عيب يابي قطعات مكانيكي به منظور جلوگيري از وجود خرابي در قطعات پس از توليد يا در حين سرويس است. امروزه با گسترش نياز به مواد با استحكام بالا، استفاده از كامپوزيت ها در صنايع مختلف مانند هوافضا، خودرو سازي و صنايع نفت و گاز بسيار رايج مي باشد. يكي از روش هاي متداول براي پيداكردن عيوب در كاپوزيت ها استفاده از امواج التراسونيك مي باشد. ميرايي اندك و امكان استفاده در فركانس هاي بالا، قدرت تشخيص اين امواج را بالا مي برد. هدف اين تحقيق بررسي شيوه هاي نوين و كارآمد براي پيدا كردن عيوب قطعات كامپوزيتي با استفاده از امواج التراسونيك مي باشد. در اين پژوهش وجود عيب در صفحات كامپوزيتي با استفاده از امواج لمب بررسي خواهد¬شد. عيوب بررسي شده در اين پژوهش، شكاف و لايه لايه شدگي مي باشد. به علت تفاوت خواص مكانيكي كامپوزيت در محل وجود عيب، امواج عبوري از آن ناحيه دستخوش تغيير مي شوند. به منظور شبيه سازي انتشار امواج سطحي برروي ورق كامپوزيتي از نرم افزار آباكوس استفاده شده است. بدين منظور برروي ورق كامپوزيتي ، يك عملگر براي ايجاد امواج لمب و تعدادي سنسور برحسب مورد به منظور دريافت امواج تعبيه شده است. لايه چيني استفاده شده در اين تحقيق از نوع متعامد و متقارن، به صورت [0,90,0,90]_s مي باشد. هدف نهايي، پيدا كردن محل قرارگيري عيب، به صورت يك بعدي، دوبعدي و تعيين شدت آسيب است. حالت تك بعدي براي تير هاي يا لوله هاي بلند كاربرد داشته كه داراي چينش ساده تري نسبت به حالت دوبعدي مي باشد. در اين تحقيق علاوه بر بررسي سطح تخت، انتشار امواج برروي سطح انحنادار نيز بررسي شده است. براي پيداكردن محل آسيب و طبقه بندي عيب به صورت هوشمند، مشخصه هاي امواج دريافتي توسط سنسورها، به عنوان ورودي شبكه ي عصبي داده مي شود. براي طبقه بندي عيوب از شبكه عصبي پس انتشار پيش خور (Feed Forward Back Propagation Neural Network ) استفاده شده است.به منظور اعتبار سنجي روش-شبيه سازي، از چينش آزمايشگاهي شامل فانكشن ژنراتور براي توليد موج، اسيلوسكوپ براي نشان دادن موج، دو عدد ترانسدوسر التراسونيك براي ارسال و دريافت موج و 5 نمونه¬ي كامپوزيتي داراي عيوب متنوع استفاده شده است.

1400/11/19

Health monitoring of composite parts using ultrasound emission and neural network methods

11/21/2022 12:00:00 AM

One of the major problems in engineering is structural health monitoring and damage detection of mechanical parts to prevent possible defects after manufacturing or within maintenance. At the present time, with the growing need for high-strength materials, the use of composites in various industries such as aerospace, automotive and, petroleum industries is widespread. A common method for detecting damages in composites is ultrasonic wave propagation. Low attenuation and the possibility of using at high frequencies improve the detection accuracy. The aim of this study is to present novel and productive methods for finding defects in composite parts using ultrasonic waves. In this research, the presence of defects in composite plates will be studied using lamp waves. The defects investigated in this study are notch and delamination. Due to the difference in the mechanical properties of the composite at the location of the defect, the waves passing through that zone are subject to change. Furthermore, a large number of FE analyses were performed using ABAQUS/CAE software to simulate the propagation of waves on a composite plate. This analysis includes an actuator to generate lamp waves along with a series of sensors, depending on the case, to receive the waves. The Glass/Epoxy layup used in this research is orthogonal and symmetrical in the form of [0,90,0,90]_s. Moreover, the one-dimensional Neural Network model is used for long beams or pipes, which have a simpler shape. Also, the propagation of waves on the curved plate has also been investigated along with the flat composite plate. To precisely locate the defect. several characteristics of the waves received by the sensors are given as input to the neural network model. Feed Forward Back Propagation Neural Network has been applied to locate the defects. Finally, to validate the FE analysis method, an experimental setup including a function generator for wave generation, an oscilloscope for wave representation, two ultrasonic transducers for sending and receiving a wave has been presented and five composite samples with various defects locations have been studied.

پايش سلامت سازه , عيب يابي قطعات مكانيكي , كامپوزيت متعامد متقارن , امواج التراسونيك , امواج لمب , شبكه ي عصبي , طبقه بندي عيوب

Structural health monitoring , , Damage detection of mechanical parts , Orthogonal symmetric composite , Ultrasonic waves , Lamb waves , Neural network , Damage classification