Study on Corrosion Imaging of Aircraft Riveted Structures Based on Pulsed Eddy Current

Stellen Sie sich vor, Sie versuchen, einen winzigen, verborgenen Riss in einem dicken, mehrschichtigen Sandwich aus Metall zu finden. Sie können das Sandwich nicht aufschneiden, da dies das Sandwich zerstören würde, und Sie können auch nicht einfach von oben hineinschauen, da der Riss tief im Inneren verborgen ist. Dies ist die tägliche Herausforderung für Ingenieure, die Flugzeuge sicher halten müssen. Sie verwenden eine spezielle Art von „Metall-Radar“, die gepulste Wirbelstromprüfung (Pulsed Eddy Current, PEC). Stellen Sie es sich so vor, als würden Sie ein lautes Klatschen gegen eine Wand schicken und auf das Echo hören. Wenn sich in der Wand ein Loch oder ein Rostfleck befindet, klingt das Echo anders.

Es gibt jedoch einen Haken: Wenn der „Schrei“ (der elektromagnetische Impuls) durch die Metallschichten wandert, bleibt er nicht in einem engen, ordentlichen Strahl. Er breitet sich aus, wie ein Tropfen Tinte, der sich in einem Glas Wasser verteilt. Diese Ausbreitung, genannt Diffusion, lässt das Echo verschwommen erscheinen. Wenn Sie einen winzigen Rostfleck haben, kann das Echo wie ein riesiger, unscharfer Klumpen aussehen, was es unmöglich macht, genau zu bestimmen, wie groß der Fleck ist oder wo er sich befindet. Dies ist ein großes Problem, denn in der Luftfahrt ist das Wissen über die exakte Größe eines Defekts der Unterschied zwischen einem sicheren Flug und einer gefährlichen Situation. Wissenschaftler versuchen schon seit Jahren, diese verschwommenen Echos zu schärfen, aber die Unschärfe, die durch das Metall selbst verursacht wird, war ein hartnäckiges Hindernis.

Diese Arbeit stellt einen cleveren neuen Weg vor, um diese Echos zu „entschärfen“ und die verborgenen Roststellen mit überraschender Klarheit zu sehen. Die Forscher, die mit vernieteten Flugzeugstrukturen (den durch Nieten zusammengehaltenen Metallschichten) arbeiteten, entwickelten einen dreistufigen digitalen Zaubertrick, um die unscharfen Signale zu korrigieren. Zuerst verwendeten sie einen intelligenten Algorithmus, der wie das „Schärfen“-Werkzeug eines Bildbearbeitungsprogramms wirkt, jedoch intelligent genug ist, um genau zu wissen, wie viel Schärfung welcher Teil des Signals benötigt. Sie nennen dies „adaptive Potenzgesetz-Schärfung“ (adaptive power-law sharpening). Sie drückt die unscharfen Kanten des Signals wieder zusammen und macht die Grenzen des Defekts wesentlich präziser.

Als Nächstes, da ihre Sensoren nur wenige Schnappschüsse des Signals aufnehmen, sahen die Daten etwas blockartig und niedrig aufgelöst aus. Um dies zu beheben, verwendeten sie eine mathematische Technik namens PCHIP-Interpolation. Stellen Sie sich vor, Sie nehmen ein niedrig aufgelöstes, verpixeltes Bild und nutzen einen Computer, um alle fehlenden Pixel glatt auszufüllen, wodurch Sie ein hochauflösendes Bild erstellen, ohne die ursprünglichen Details zu verlieren. Schließlich verwendeten sie ein Computerprogramm namens K-Means-Clustering, um den „Rost“ automatisch vom „gesunden Metall“ zu trennen. Es ist wie ein intelligenter Sortierer, der das neue, scharfe, hochauflösende Bild betrachtet und sagt: „Diese Pixel gehören zu einem Defekt, und diese Pixel gehören zum Hintergrund“, und so zeichnet er automatisch eine perfekte Umrandung um das Problem.

Die Ergebnisse sind beeindruckend. Als sie diese Methode an künstlichen Roststellen testeten, die in einem mehrschichtigen Metallblock verborgen waren, fanden sie heraus, dass sie viel besser funktioniert als die alten, Standardmethoden zur Messung. Für winzige Roststellen mit einem Durchmesser von 5 mm bis 12 mm konnte die neue Methode die Fläche des Rosts mit einem Fehler von weniger als 16,3 % messen. Noch wichtiger ist, dass sie den genauen Ort des Rosts innerhalb von 1,5 mm lokalisieren konnte. Die alten Methoden, die diesen Schärfungs- und Sortiertrick nicht verwendeten, lieferten oft die Größe mit einer enormen Abweichung falsch (manchmal mit weniger als 50 % Genauigkeit).

Das Papier argumentiert explizit gegen das Vertrauen auf einfache, altmodische Methoden, die lediglich eine Linie basierend auf einem festen Helligkeitswert ziehen (Schwellenwertbildung/Thresholding), und zeigt auf, dass diese scheitern, wenn das Signal verschwommen ist. Stattdessen beweisen sie, dass man durch die dynamische Anpassung der Schärfung basierend auf der Signalstärke und die anschließende Verwendung von intelligentem Clustering ein hochpräzises Bild verborgener Korrosion erhalten kann. Obwohl sie nicht behaupten, jeden möglichen Defekt im Universum gelöst zu haben, haben sie einen soliden, funktionierenden Rahmen demonstriert, der ein verschwommenes, verwirrendes Signal in eine präzise Karte verborgener Schäden verwandelt und somit einen neuen Weg bietet, um Flugzeugstrukturen sicher zu halten, ohne sie auseinanderzunehmen.