Detecting Near-Surface Sub-millimeter Voids in Additively Manufactured Ti-5V-5Al-5Mo-3Cr Alloy Using a Transmit-Receive Eddy Current Probe
Notice bibliographique
Résumé
Additive Manufacturing (AM) Direct Laser Fabrication (DLF) of Ti-5Al-5V-5Mo-3Cr (Ti5553) is being developed as a method for producing aircraft components. The additive manufacturing process can produce flaws near the surface, such as porosity and material voids, which act as stress raisers, leading to potential component failure. Eddy current testing was investigated to detect flaws on or near the surface of DLF Ti5553 bar samples. For this application, the objective was to develop an eddy current probe capable of detecting flaws 500 µm in diameter, located 1 mm below the component's surface. Two initial sets of coil parameters were chosen: The first, based on successful experiments that demonstrated detection of a near surface flaw in Ti5553 using a transmit-receive array probe, and the second, derived from simulation by Finite Element Method (FEM). An optimized transmit receive coil design, based on the FEM simulations, was constructed. The probe was evaluated on Ti5553 samples containing sub-surface voids of the target size, as well as samples with side-drilled holes and samples with holes drilled from the opposing inspection surface. The probe was able to effectively detect 80% of the sub-surface voids. Limitations included the probe’s inability to detect sub-surface voids near sample edges and a sensitivity to surface roughness, which produces local changes in lift-off. Multifrequency mixing improved signal-to-noise ratio when surface roughness was present on average by 22%. A probe based on that described in this paper could benefit quality assurance of additively manufactured aircraft components.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».