Infrared thermography for CFRP inspection: computational model and experimental results
Notice bibliographique
Résumé
Infrared Thermography (IRT) is a well-known Non-destructive Testing (NDT) technique. In the last decades, it has been widely applied in several fields including inspection of composite materials (CM), specially the fiber-reinforced polymer matrix ones. Consequently, it is important to develop and improve efficient NDT techniques to inspect and assess the quality of CM parts in order to warranty airworthiness and, at the same time, reduce costs of airline companies. In this paper, active IRT is used to inspect carbon fiber-reinforced polymer (CFRP) at laminate with artificial inserts (built-in sample) placed on different layers prior to the manufacture. Two optical active IRT are used. The first is pulsed thermography (PT) which is the most widely utilized IRT technique. The second is a line-scan thermography (LST) technique: a dynamic technique, which can be employed for the inspection of materials by heating a component, line-by-line, while acquiring a series of thermograms with an infrared camera. It is especially suitable for inspection of large parts as well as complex shaped parts. A computational model developed using COMSOL Multiphysics® was used in order to simulate the inspections. Sequences obtained from PT and LST were processed using principal component thermography (PCT) for comparison. Results showed that it is possible to detect insertions of different sizes at different depths using both PT and LST IRT techniques.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».