Intelligent Ultrasonic Characterization of Bonding Conditions in Aircraft Honeycomb Sandwich Composite Panels
تقترح هذه الدراسة طريقة تصنيف ذكية تجمع بين تتبع صدى الواجهة للحصول على صور المسح بالموجات فوق الصوتية (C-scan) وشبكة التعلم العميق ResNet50 لتحديد ظروف الترابط في ألواح المركبات الساندوتشية ذات النمط النحلي المستخدمة في الطائرات بشكل تلقائي ودقيق، وذلك للتغلب على انخفاض الكفاءة والذاتية في الفحص اليدوي.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تعتمد أجنحة الطائرات وأسطح الذيل غالباً على حيلة هندسية ذكية: وضع قلب يشبه قرص العسل خفيف الوزن بين طبقتين رقيقتين وقويتين. هذا الهيكل، المعروف باسم المركب الساندويتشي ذو قلب قرص العسل، يمنح الطائرات القوة اللازمة للطيران مع الحفاظ على خفتها لتكون كفؤة. ومع ذلك، فإن الغراء الذي يربط هذه الطبقات معاً عرضة للتلف. فمع مرور الوقت، يمكن أن تضعف الرابطة بين الطبقة الخارجية والقلب الداخلي أو تفشل، مما يؤدي إلى نشوء فجوات مخفية تخل بسلامة الطائرة. ويعد اكتشاف هذه العيوب غير المرئية أمراً صعباً لأن الضرر يكون مدفوناً في عمق المادة. تقليدياً، يستخدم المفتشون الموجات الصوتية "للرؤية" داخل الهيكل، لكن الصور الناتجة تكون معقدة وتتطلب خبيراً بشرياً لتفسيرها. هذه العملية بطيئة، ولأنها تعتمد على التقدير البشري، فقد يصل مفتشون مختلفون إلى استنتاجات مختلفة عند رؤية الصورة نفسها.
ولحل هذه المشكلة، طور باحثون في جامعة نانتشانغ هانغكونغ ومجموعة جيانغشي هونغدو لصناعة الطيران طريقة جديدة لقراءة صور الموجات الصوتية تلقائياً. لقد أنشأوا نظاماً يستخدم الذكاء الاصطناعي للنظر في الصور الناتجة عن الاختبار بالموجات فوق الصوتية والتقرير فوراً ما إذا كان الترابط جيداً، أو مقبولاً، أو سيئاً. وبدلاً من مطالبة إنسان مرهق بالتحديق في آلاف الصور، يتعلم الكمبيوتر التعرف على الأنماط الدقيقة التي تشير إلى رابط سليم مقابل رابط خطير. اختبر الفريق هذه الطريقة على قطعة حقيقية من ذيل طائرة، مما أثبت أن الآلة يمكنها تعلم رصد هذه العيوب المخفية بدقة واتساق عاليين.
تبدأ العملية باختبار صوتي متخصص. تخيل نفثاً من الماء يحمل موجة صوتية مركزة ترتد من الطبقات الموجودة داخل لوح الطائرة. وبينما تنتقل الموجة، تصطدم بسطح الطبقة الخارجية، ثم طبقة الغراء، وأخيراً بقلب قرص العسل. ركز الباحثون على الصدى العائد من الغراء وقرص العسل، لأن مشاكل الترابط تختبئ هناك. لقد التقطوا هذه الأصداء وحولوها إلى خريطة مسطلة ثنائية الأبعاد، تُعرف باسم صورة (C-scan). في هذه الصور، تمثل المناطق الحمراء الزاهية أصداء قوية، مما يعني عادةً أن الصوت ارتد لأن لم يستطع المرور عبر فجوة، وهو ما يشير إلى وجود عيب. أما المناطق الزرقاء الداكنة فتمثل أصداء ضعيفة، مما يعني أن الصوت انتقل عبر المادة، مما يشير إلى رابط صلب وسليم.
ومع ذلك، غالباً ما تكون الصور الخام الناتجة عن هذا الاختبار محببة وصعبة القراءة. ولجعلها أكثر وضوحاً، طبق الباحثون خطوتين رقميتين للتنظيف. أولاً، قاموا بتنعيم الضوضاء، تماماً مثل تمويه صورة قليلاً لإزالة النقاط الصغيرة، مما ساعد في الحفاظ على حواف العيوب. بعد ذلك، قاموا بزيادة حدة الصورة لإبراز التفاصيل الدقيقة لخلايا قرص العسل بشكل أوضح. وبمجرد تنظيف الصور، احتاج الفريق إلى طريقة لتعليم الكمبيوتر كيف يبدو الرابط "الجيد" مقابل الرابط "السيئ". قاموا بتقطيع الصورة الكبيرة إلى مئات القطع المربعة الصغيرة. ومن خلال عد عدد البكسلات الزاهية في كل قطعة، قاموا بفرزها إلى ثلاث مجموعات: قطع تحتوي على عدد قليل جداً من النقاط الزاهية (سليم)، وقطع تحتوي على عدد متوسط (علامات تحذير)، وقطع تحتوي على الكثير من النقك الزاهية (عيوب شديدة).
باستخدام هذه الأمثلة المصنفة، درب الباحثون شبكة تعلم عميق، وهي نوع من البرامج الحاسوبية المصممة لمحاكاة الطريقة التي يعالج بها الدماغ البشري المعلومات البصرية. استخدموا بنية محددة تسمى (ResNet50)، المعروفة بقدرتها على تعلم الأنماط المعقدة. ولضمان عدم قيام الكمبيوتر بمجرد حفظ الصور المحددة التي عُرضت عليه، استخدم الباحثون تقنية التحقق المتقاطع. لقد قسموا بياناتهم إلى خمس مجموعات، حيث قاموا بتدريب الكمبيوتر على أربع مجموعات واختباره في الخامسة، ثم قاموا بتدوير هذه العملية حتى تم اختبار كل مجموعة. أظهرت هذه الطريقة الصارمة أن الكمبيوتر يمكنه تحديد حالة الترابط بشكل صحيح بنسبة ٩٠٪ تقريباً. لقد كان بارعاً بشكل خاص في رصد المناطق السليمة تماماً والمناطق المعيبة تماماً، رغم أنه واجه صعوبة أحياناً في المنطقة الوسطى حيث يبدأ الضرر للتو.
ولإثبات نجاح النظام في سيناريو من العالم الحقيقي، اختبره الفريق على لوح منفصل وأكبر لم يره الكمبيوتر من قبل. أجروا الاختبار الصوتي، وقسموا الصورة إلى قطع صغيرة، وتركوا الذكاء الاصطناعي يصنف كل قطعة. كانت النتائج مبهرة؛ فقد اتفق النظام مع القواعد الرياضية المستخدمة لفرز الصور في الغالبية العظمى من الحالات. وعندما كان الكمبيوتر غير متأكد من التصنيف، كان يحدد المنطقة كـ "غير مؤكدة"، مما يسمح لخبير بشري بالتحقق من تلك النقاط المحددة فقط. هذا النهج يعني أن النظام يمكنه التعامل مع الغالبية العظمى من عمليات الفحص تلقائياً مع الحفاظ في الوقت نفسه على شبكة أمان للحالات الصعبة. وتخلص الدراسة إلى أن هذه الطريقة الذكية توفر وسيلة موثوقة وسريعة وموضوعية لفحص سلامة هياكل الطائرات، مما قد يحل محل عملية الفحص اليدوي البطيئة والمتغيرة.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.