AUTOMATION OF DIAGNOSTIC METHODS FOR POLYMERIC COMPOSITE MATERIALS

Abstract

The issues of automation of the PCM diagnostics process in laboratory and factory conditions, through the use phased array antennas.

Full Text

ВВЕДЕНИЕ Внедрение полимерных композиционных материалов (ПКМ) в конструкцию летательных аппаратов представляет собой одну из ключевых тенденций современного авиастроения. Внедрение новых материалов и новых технологий их изготовления и обработки требует развития средств диагностики, обеспечивающих необходимый уровень надежности изготовленных из ПКМ изделий, проверка их на соответствие заявленным требованиям и выявление недопустимых отклонений (дефектов) в этих материалах, при использовании их в производстве авиационных изделий. В настоящее время в авиационной промышленности используется широкий ассортимент ПКМ, каждый из которых характеризуются индивидуальными своими как конструкционными (прочность, жесткость, устойчивость к агрессивным средам и т.д.) так и радиотехническими (радиопрозрачность, радиопоглощение, проводимость). Поэтому для каждого используемого типа или образца материала необходимо иметь свой рабочий эталон или образцовую меру для проведения его диагностики. Для большого производства иметь большой набор эталонной базы материалов экономически не очень удобно, поэтому лучше иметь электронный математический аналог, который прост в использовании и удобен в обработке результатов измерений, и легко тиражируем для массового использования [1-8]. ПОСТАНОВКА ЗАДАЧИ В данной работе рассматривается вопросы автоматизации параметров ПКМ, перевод всего процесса контроля и измерения параметров материалов в цифровой формат. Для проведения процесса диагностики требуется собрать метрологическую схему, которая в себя включает: измерительную аппаратуру, эталон или образцовую меру, сам материал, методику обработки результатов измерений. С целью автоматизации процесса диагностики вводится цифровой двойник. Концепция «цифрового двойника» призвана помочь предприятиям быстрее обнаруживать физические проблемы, точнее предсказывать их результаты и производить более качественные продукты. В качестве образцовый меры-эталона предложено создать цифровой двойник (цифровой двойник - электронный аналог реального типа используемого материала) с которым производятся сравнение параметров реального материала. Поскольку на предприятии используется несколько десяток типов ПКМ, хранить и тиражировать их цифровые двойники не является слишком затратно. При этом, цифровой двойник не ограничивается сбором данных, полученных на стадии разработки и изготовления продукта. Он продолжает агрегировать данные в течение всего жизненного цикла объекта. Это могут быть данные о состоянии изделия, показатели датчиков, история операций, заводская (as- build) и сервисная (as- maintained) конфигурация, версия программного обеспечения и многое другое. Цифровой двойник хранит всю историю рабочих данных. Это даёт дополнительные возможности для технического обслуживания, прогнозирования состояния изделия из ПКМ и дальнейшего развития теории и практики создания авиационных композитов. В результате получаем цифровые двойники всех типов ПКМ которые используются на предприятии, кроме того возможно автоматизировано создавать электронные протоколы результатов диагностики по каждому образцу используемого ПКМ. ПУТИ РЕШЕНИЯ Для полноценной диагностики входных и выходных ПКМ на предприятии требуется: специализированное оборудования для ее проведения ПКМ в рабочих и условиях, приближенных к эксплуатационным; эталонные образцы или меры (для проведения процесса сравнения используемых образцов); высококвалифицированные кадры, выполняющие процесс диагностики ПКМ; методики обработки результатов измерений, полученных в процессе диагностики. В данном случае, для ПКМ требуется их параметры (e - диэлектрическая проницаемость, tgd - тангенс угла диэлектрических потерь, s - проводимость) На предприятии первично составляется перечень ПКМ, их классификация, классификация основных требований и параметров, по которым будет производиться анализ пригодности данного материала в конструкцию изделия. Данная информация представляется в виде укрупненной базы данных (БД), которая содержит всю техническую и технологическую информацию в электронном виде для дальнейшего ее использования. По методу диагностики (на прохождение или отражение электромагнитной волны от материала) определяются и задаются допустимые диапазоны. Проводить зондирование электромагнитной волной предпочтительнее делать на фазированных антенных решетках (ФАР) [9]. Недостатки: большие геометрические размеры; энергопотребление. Достоинства ФАР: задание размера диагностической обрасти (которая определяется шириной луча); повышение помехозащищенности (определяется уровнем боковых лепестков), электронное управление движение лучом, по заданному алгоритму; возможность автоматизации процесса диагностики. Автоматизация процесса в качестве сканирующего устройства используется фазированная антенна решетка (ФАР) или активная фазированная антенна решетка (АФАР). Полученную информацию можно сразу передавать на автоматическую систему обработки измерительной информации, производя необходимые с нею действия, заложенные в алгоритме системы диагностики ПКМ. Кроме того данные устройства и операции позволяют весть процесс автоматизировать, т.е. исключив человека из операций измерения и получения информации, оставив за ним только определение программы диагностики и испытаний и принятие окончательного решения по полученным значениям. Особенно хочется отметить достоинство ФАР: при диагностике с помощью электронного движения луча можно задавать различный угол падения зондирующего сигнала; для поиска и выявления некоторых пустот дефектов, неоднородностей можно производить поиск используя одну ФАР в многолучевом режиме, что позволяет получить избыток информации по диагностики, и используя машинный способ обработки информации получить, конечною информацию, почти в реальный момент времени. Кроме того, ФАР позволяют производить диагностику материалов при повышенных температурах, так как производится диагностика без контактного метода. Управление электрическим сканированием луча и измерительной аппаратурой проводящей регистрацию в текущий момент времени, управление удобно производить через ПЛИС (программируемая логическая схема), в которую может быть зашивается индивидуальная программа диагностики под конкретный тип НКМ, цифровые двойники измеряемых материалов ПКМ, другая служебная информация. Также могут задаваться различные условия, приближенные к эксплуатационным, различные температурные режимы и т.д. При смене типа ПКМ или условий диагностики или другие требования предъявляемые к диагностики - программа диагностики переписывается электронно и в ПЛИС перепрошивается. Данный вариант автоматизации устраняет из процесса диагностика оператора, оставляя его только на начальном этапе задание программы диагностики, и в конечном этапе обработке полученной измерительной информации. В результате автоматизации процесса диагностики мы повышаем точность полученной измерительной информации, и выходим на задачу выработки рекомендаций по принятию оптимальных решений оператором осуществляющего диагностику ПКМ, с целью достижения желаемого результата. Поскольку процесс диагностики может быть полностью автоматизирован и передан управлению электронной машине, то возникает хорошая возможность введения машинного обучения, приводя идеализированный процесс диагностике к реальному, учитывая реальные особенности, как нестандартные ситуации. Такие действия, явления могут быть внесены как элементы в качестве дополнения машинного обучения процесса диагностики ПКМ. Машинное обучение охватывает следующую категорию задач: 1) Задача регрессии - прогноз на основе выборки объектов с различными признаками. 2) Задача классификации - получение категориального ответа на основе набора признаков. 3) Задача кластеризации - распределение данных на группы: разделение всех клиентов мобильного оператора по уровню платёжеспособности, отнесение космических объектов к той или иной категории. 4) Задача уменьшения размерности - сведение большого числа признаков к меньшему (обычно 2-3) для удобства их последующей визуализации (например, сжатие данных). 5) Задача выявления аномалий - отделение аномалий от стандартных случаев. Результаты диагностики ПКМ с помощью ФАР приведены в таблице 1. Полученные данные подтверждаются заводскими отчетами.