Analysis of Dominant Factors in Active Infrared Thermography Defect Detection Based on Physics-Constrained Surrogate Models

Resumo Técnico: Análise de Fatores Dominantes na Detecção de Defeitos por Termografia de Infravermelho Ativa Baseada em Modelos Substitutos com Restrições Físicas

Definição do Problema
A Termografia de Infravermelho Ativa (IRT) é um método de ensaios não destrutivos (END) amplamente utilizado para a detecção de defeitos em materiais, como delaminações e vazios. No entanto, sua aplicação prática é dificultada pela complexidade da otimização dos parâmetros de teste. O sinal de resposta térmica é regido por um sistema fortemente acoplado que envolve múltiplas variáveis: propriedades termofísicas do material de base e dos defeitos, parâmetros geométricos (profundidade e espessura), características da forma de onda de excitação e condições de troca de calor ambiental. A pesquisa atual carece de diretrizes padronizadas para a configuração de parâmetros, e o forte acoplamento entre as variáveis torna difícil estabelecer prioridades claras de otimização, forçando frequentemente a dependência do julgamento empírico do operador.

Metodologia
Para enfrentar esses desafios, os autores desenvolveram uma estrutura sistemática combinando análise dimensional, simulação numérica e aprendizado de máquina:

1. Redução de Dimensionalidade Baseada em Física: O estudo simplificou o problema de condução de calor transiente tridimensional em um modelo unidimensional ao longo da direção da espessura, assumindo placas finas onde as dimensões laterais excedem a espessura. Utilizando o teorema de $\pi$ de Buckingham, o espaço de parâmetros original (envolvendo mais de dez variáveis) foi reduzido a um espaço adimensional de nove dimensões. Os grupos adimensionais fundamentais incluem o número de Fourier ($Fo$), o número de Biot ($Bi$), as razões de condutividade e difusividade térmica ($k_1/k_0$, $\alpha_1/\alpha_0$) e parâmetros de excitação.
2. Simulação Numérica e Validação: Um Método de Volumes Finitos (FVM) com um esquema de marcha temporal explícito foi empregado para resolver as equações governantes. A continuidade da interface foi tratada utilizando o método da Média Harmônica para condutividade térmica efetiva. O modelo foi validado contra dados experimentais de espécimes de GFRP contendo defeitos embutidos (fita adesiva, espuma de PVC, papel), apresentando um coeficiente de correlação de 0,91 e erros relativos abaixo de 0,5%.
3. Análise de Sensibilidade e de Parâmetros: Varreduras paramétricas automatizadas e Amostragem por Hipercubo Latino (LHS) foram utilizadas para gerar curvas de resposta. O estudo utilizou análise de sensibilidade baseada em Sobol para quantificar a sensibilidade normalizada da diferença de temperatura superficial de pico ($\Delta\theta_{max}$) em relação a vários parâmetros adimensionais.
4. Desenvolvimento de Modelo Substituto (Surrogate Model): Para superar o gargalo computacional de resolver equações diferenciais parciais (PDEs) repetidamente, um modelo substituto de Rede Neural com Restrições Físicas (PCNN) foi construído. Trata-se de uma rede neural feedforward (arquitetura 10-5-5) treinada em 100 amostras (divisão 80/20) com restrições físicas incorporadas na função de perda para evitar o sobreajuste (overfitting) e aumentar a generalização em conjuntos de dados pequenos.

Principais Resultados

• Mecanismos Dominantes: A análise de sensibilidade revelou que a detectabilidade de defeitos é impulsionada primariamente por dois fatores, que juntos respondem por mais de 80% da influência:
  1. Desajuste de Impedância Térmica de Interface: A razão das propriedades térmicas entre o defeito e a matriz ($k_1/k_0$ e $\alpha_1/\alpha_0$) é o fator mais crítico, determinando a reflexão e transmissão das ondas térmicas.
  2. Entrada de Energia de Excitação: A energia total entregue pela fonte de excitação (determinada principalmente pelo componente DC $q_0$ e duração $t_p$) é o segundo fator mais significativo.
• Fatores Negligenciáveis: Sob condições comuns de operação, as condições de transferência de calor por convecção (número de Biot) e a espessura do defeito ($\delta/L$) mostraram ter influência limitada na resposta térmica de pico.
• Comportamento de Filtro Passa-Baixa: O estudo confirmou que a condução de calor transiente atua como um filtro passa-baixa; componentes de alta frequência da forma de onda de excitação atenuam-se rapidamente, o que significa que o integral da energia total (conteúdo de baixa frequência) é mais eficaz para a detecção de defeitos do que a modulação de alta frequência.
• Desempenho do Modelo Substituto: A rede neural com restrições físicas alcançou um coeficiente de determinação ($R^2$) de 0,929 no conjunto de teste, com um erro relativo médio de 6,71%.
• Eficiência Computacional: O modelo substituto reduziu o tempo de predição para uma única avaliação de centenas de segundos (simulação de PDE tradicional) para a escala de milissegundos, representando um fator de aceleração computacional de $10^5$.

Significância e Alegações
O artigo afirma fornecer tanto uma base teórica quanto uma ferramenta computacional eficiente para a otimização da termografia de infravermelho ativa baseada em física. Ao reduzir o problema a uma estrutura adimensional, o estudo unifica diferentes cenários de END (variando materiais, tamanhos e níveis de potência) em uma única estrutura analítica. O modelo substituto proposto serve como um resolvedor direto rápido, permitindo a análise eficiente das capacidades de detecção e intervalos sensíveis sem a necessidade de simulações numéricas repetitivas e computacionalmente caras.

Os autores enfatizam que, embora o modelo não inverta diretamente os parâmetros do defeito, ele facilita a otimização dos parâmetros de excitação e estratégias de inspeção. Especificamente, o estudo oferece diretrizes práticas de engenharia: materiais de alta condutividade requerem maior densidade de potência, enquanto materiais de baixa condutividade (como GFRP) beneficiam-se de durações de excitação mais longas para evitar danos. Inversamente, a triagem rápida de grandes estruturas pode utilizar excitação de alta potência e curta duração. O trabalho visa apoiar a padronização das configurações de parâmetros de IRT, movendo o campo do julgamento empírico para a otimização baseada em dados.