بازسازی تصاویر حرارتی و به کارگیری روش خوشه بندی K جهت عیب یابی قطعات پلیمری ساخت افزایشی

نوع مقاله : مقاله پژوهشی

نویسندگان

1 مرکز جوش و تست غیرمخرب دانشگاه تهران، دانشکده مکانیک، پردیس فنی، دانشگاه تهران

2 دانشجوی دکترا، مهندسی مکانیک، پردیس دانشکده های فنی، دانشگاه تهران

3 دانشیار دانشکده مهندسی مکانیک دانشگاه تهران_

4 _Associate Professor, University of Tehran

5 گروه مهندسی مکانیک، دانشکده فنی و مهندسی، دانشگاه اصفهان

چکیده

امروزه قطعات ساخته‌شده به روش تولید افزایشی با سرعت بالایی درحال‌توسعه هستند و کاربردهای فراوانی در صنایع مختلف دارند. ازاین‌رو بهره‌گیری از روش‌های سریع و دقیق برای بررسی سلامت و کیفیت این قطعات اهمیت دوچندانی پیداکرده است. در این پژوهش یک نمونه از جنس PLA ساخته‌شده به روش مدلسازی رسوب ذوب شده به روش ترموگرافی بازرسی شد. پس از بررسی تصاویر اولیه حرارتی بهترین فریم انتخاب گردید. به‌منظور بهبود تصاویر حرارتی اولیه، روش پردازش بازسازی پاسخ حرارتی (TSR) به داده‌های اعمال و بهترین تصاویر مشتقات اول تا سوم این روش تعیین گردید. تصاویر منتخب به‌منظور بررسی اثر روش پردازش در بهبود اختلاف شدت نور میان نواحی معیوب و سالم، به کمک پارامتر نسبت سیگنال به نویز (SNR) مقایسه شدند. بر اساس نتایج به‌دست‌آمده بالاترین مقدار میانگین SNR متعلق به تصویر مشتق اول پردازش، برابر با 15.68، بود. این میزان تقریبا 4 برابر مقدار میانگین SNR برای بهترین فریم اولیه بود. همچنین باهدف تشخیص عیوب به‌صورت خودکار روش دسته‌بندی k-means به تصاویر منتخب اعمال شد. بعد از بررسی تصاویر باینری نهایی مشخص شد که 100% عیوب در تصاویر مشتق اول و دوم TSR قابل‌شناسایی هستند.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Thermal signal reconstruction and employment of K clustering method for inspection of additive manufactured polymer parts

نویسندگان [English]

  • pouria meshkizadeh 1
  • Mojtaba Rezaee Hajideh 2
  • Mohammadreza Farahani 3 4
  • Mohammad Heidari-Rarani 5
1 School of mechanical engineering, Tehran university, Tehran, Iran
2 School of Mechanical Engineering, College of Engineering, University of Tehran
3 Associate Professor, School of Mechanical Engineering, College of Engineering, University of Tehran
4
5 Faculty of Engineering, University of Isfahan, Hezar Jarib st, Isfahan
چکیده [English]

Due to the increase in the application of additive manufactured components in the industry, developing fast and accurate methods for defect evaluation of these products has become vitally important. In this study, a PLA sample was inspected by thermography. Several artificial defects varying in size and depth were produced in the specimen. A projector with 2 KW in power was utilized to heat the sample for the 15s. The infrared camera recorded the sample’s temperature during the heating period and 30s after shutting down the source. Afterward, the best frame of raw data was selected. The contrast of defective and sound regions improved with applying the well-known Thermal Signal Reconstruction (TSR) image processing method to enhance the automatic detectability of defects. The contrast enhancement was studied quantitatively via adopting signal to noise ratio (SNR) parameter. According to the acquired results, TSR’s 1st derivative image had the highest average of SNR. This amount was approximately four times higher than that of the best frame of raw data. Ultimately, to identify the defects automatically, k-means clustering was adopted. By comparing the segmented images, it was proved that the adopted process was successful in improving automatic defect detection. While the proportion of detectable defects through segmented image concluded from the best frame of raw data was only 70 percent, the figure for segmented images concluded form 1st and 2nd derivative of TSR was substantially higher at 100 percent.

کلیدواژه‌ها [English]

  • Nondestructive Tests
  • Thermography
  • Thermal image processing
  • Automatic defect detection
  • Additive manufacturing

مراجع

[1]     Heidari-Rarani M, Rafiee-Afarani M and Zahedi A M 2019 Mechanical characterization of FDM 3D printing of continuous carbon fiber reinforced PLA composites Composites B, 175, pp.107-147.
[2]     Sam-Daliri, O., Farahani, M., Faller, L. M., & Zangl, H. (2020). Structural health monitoring of defective single lap adhesive joints using graphene nanoplatelets. Journal of Manufacturing Processes, 55, 119-130.‏
[3]     Jin Y, Rao A, Brinkman W and Choi T-Y 2017 3D printingassisted energy loss testing of artificial aortic heart valves Eng. Sci. Technol.: Int. J. (ESTIJ),7, pp. 4-11.
[4]     Ren H, Zhang H, Jin Y, Gu Y and Arigong B 2019 A novel 2D 3 × 3 Nolen matrix for 2D beamforming applications IEEE Trans. Microw. Theory Tech,67, pp. 22–31.
[5]     Mobarakian, M., Safarabadi, M., & Farahani, M. (2020). Investigating the effects of cooling rate on distortion of asymmetric composite laminates. Composite Structures, 236, 111875.‏
[6]     Sam-Daliri, O., Farahani, M., & Araei, A. (2019). Condition monitoring of crack extension in the reinforced adhesive joint by carbon nanotubes. Welding Technology Review, 91(12), 7-15.‏
[7]     Ghabezi, P., & Farahani, M. (2019). A cohesive model with a multi-stage softening behavior to predict fracture in nano composite joints. Engineering Fracture Mechanics, 219, 106611.‏
[8]     Ghabezi, P., Farahani, M., Shahmirzaloo, A., Ghorbani, H., & Harrison, N. M. (2020). Defect evaluation of the honeycomb structures formed during the drilling process. International Journal of Damage Mechanics, 29(3), 454-466.‏
[9]     Rahmatabadi, D., Shahmirzaloo, A., Hashemi, R., & Farahani, M. (2019). Using digital image correlation for characterizing the elastic and plastic parameters of ultrafine-grained Al 1050 strips fabricated via accumulative roll bonding process. Materials Research Express, 6(8), 086542.‏
[10]   Sabokrouh, M., & Farahani, M. (2019). Correlation between the Weld Residual Stresses and its Tensile and Impact Strength. Journal of Applied and Computational Mechanics, 5(4), 727-734.‏
[11]   Safari, A., Farahani, M., & Ghabezi, P. (2020). Experimental study on the influences of different surface treatment processes and adhesive type on the aluminum adhesive-bonded joint strength. Mechanics Based Design of Structures and Machines, 1-14.‏
[12]   Ramezani, N. M., Davoodi, B., Farahani, M., & Khanli, A. H. (2019). Surface integrity of metal matrix nanocomposite produced by friction stir processing (FSP). Journal of the Brazilian Society of Mechanical Sciences and Engineering, 41(11), 1-11.‏
[13]   Sanjayan J G, Nematollahi B, Xia M and Marchment T 2018 Effect of surface moisture on inter-layer strength of 3D printed concrete Constr. Build. Mater, 172, pp. 468–75.
[14]   El-Hajje A, Kolos E C, Wang J K, Maleksaeedi S, He Z, Wiria F E, Choong C and Ruys A J 2014 Physical and mechanical characterisation of 3D-printed porous titanium for biomedical applications J. Mater. Sci., Mater. Med, 25, pp. 2471–80.
[15]   Chua C K, Wong C H and Yeong W Y 2017 Standards, quality control, and measurement sciences in 3D printing and additive manufacturing (New York: Academic).
[16]   Otten W, Pajor R, Schmidt S, Baveye P C, Hague R and Falconer R E 2012 Combining x-ray CT and 3D printing technology to produce microcosms with replicable, complex pore geometries Soil Biol. Biochem, 51, pp. 53–5.
[17]   Miller B W, Moore J W, Barrett H H, Fryé T, Adler S, Sery J and Furenlid L R 2011 3D printing in x-ray andgamma-ray imaging: A novel method for fabricating highdensity imaging apertures Nucl. Instrum. Methods Phys. Res A, 659, pp. 262–8.
[18]   Huber C et al 2016 3D print of polymer bonded rare-earth magnets, and 3D magnetic field scanning with an end-user3D printer Appl. Phys. Lett, 109, pp. 162-170
[19]   Strantza, M., Aggelis, D.G., De Baere, D., Guillaume, P. and Van Hemelrijck, D., 2015. Evaluation of SHM system produced by additive manufacturing via acoustic emission and other NDT methods. Sensors, 15(10), pp.26709-26725.
[20]   کلاگر, علی محمدی, چراغزاده, محمد, اکبری, داوود, فراهانی, محمدرضا. (1399). ارزیابی غیرمخرب کانال‌های خنک‌کاری پره توربین گاز با استفاده از روش دمانگاری فروسرخ، نشریه علمی فناوری آزمون‌های غیرمخرب، جلد 2، شماره6، صفحه 46-52.
[21]   مشکی زاده, پوریا, فراهانی, محمدرضا, رضایی حاجیده, مجتبی, حیدری رارانی, محمد. (1399). به‌کارگیری روش‌های پردازش تصاویر حرارتی به‌منظور بهبود شناسایی عیوب قطعات تولیدشده به روش ساخت افزایشی، نشریه علمی فناوری آزمون‌های غیرمخرب، جلد 2، شماره 6، صفحه 36-54.
[22]   اردبیلی, امیررضا, فراهانی, محمدرضا, اصغری, سعید. (1398). حرارت‌نگاری با تحریک تابشی در ارزیابی غیرمخرب پوسته های کامپوزیتی و فلزی. نشریه علمی فناوری آزمون‌های غیرمخرب، جلد 2، شماره 5، صفحه 3-13
[23]   احمدی, علیرضا, فراهانی, محمدرضا, اردبیلی, امیررضا. (1399). به کارگیری تکنیک حرارت نگاری پالسی در ارزیابی عیوب خوردگی در ورق‌های فولادی. مجله علمی پژوهشی مهندسی ساخت و تولید ایران, جلد 5، شماره 7، صفحه 24-32.
[24]   Liu, J., Yang, W. and Dai, J., 2010. Research on thermal wave processing of lock-in thermography based on analyzing image sequences for NDT. Infrared Physics & Technology, 53(5), pp.348-357.
[25]   Bartlett, J.L., Heim, F.M., Murty, Y.V. and Li, X., 2018. In situ defect detection in selective laser melting via full-field infrared thermography. Additive Manufacturing, 24, pp.595-605.
[26]   Seppala, J.E. and Migler, K.D., 2016. Infrared thermography of welding zones produced by polymer extrusion additive manufacturing. Additive manufacturing, 12, pp.71-76.
[27]   Montinaro, N., Cerniglia, D. and Pitarresi, G., 2018. Defect detection in additively manufactured titanium prosthesis by flying laser scanning thermography. Procedia Structural Integrity, 12, pp.165-172.
[28]   Mireles, J., Ridwan, S., Morton, P.A., Hinojos, A. and Wicker, R.B., 2015. Analysis and correction of defects within parts fabricated using powder bed fusion. technology. Surface Topography: Metrology and Properties, 3(3), p.034002.
[29]   Maldague, X., & Marinetti, S. (1996). Pulse phase infrared thermography. Journal of applied physics, 79(5), 2694-2698.
[30]   Cadelano, G., Bortolin, A., Ferrarini, G., Molinas, B., Giantin, D., Zonta, P. and Bison, P., 2016. Corrosion detection in pipelines using infrared thermography: experiments and data processing methods. Journal of Nondestructive Evaluation, 35(3), p.49.
[31]   Shahmirzaloo, A., Farahani, M., & Farhang, M. (2020). Evaluation of local constitutive properties of Al2024 friction stir-welded joints using digital image correlation method. The Journal of Strain Analysis for Engineering Design, 0309324720981201.‏
[32]   Sam-Daliri, O., Faller, L. M., Farahani, M., & Zangl, H. (2021). Structural health monitoring of adhesive joints under pure mode I loading using the electrical impedance measurement. Engineering Fracture Mechanics, 245, 107585.‏
[33]   Singh, G., Kumar, T.C.A. and Naikan, V.N.A., 2016. Induction motor inter turn fault detection using infrared thermographic analysis. Infrared Physics & Technology, 77, pp.277-282.
[34]   Balageas, D.L., Roche, J.M., Leroy, F.H., Liu, W.M. and Gorbach, A.M., 2015. The thermographic signal reconstruction method: a powerful tool for the enhancement of transient thermographic images. Biocybernetics and biomedical engineering, 35(1), pp.1-9.
[35]   Poudel, A., Mitchell, K.R., Chu, T.P., Neidigk, S. and Jacques, C., 2016. Non-destructive evaluation of composite repairs by using infrared thermography. Journal of Composite Materials, 50(3), pp.351-363.
[36]   Ayech, M.W. and Ziou, D., 2016. Terahertz image segmentation using k-means clustering based on weighted feature learning and random pixel sampling. Neurocomputing, 175, pp.243-264.
[37]   Lu, X., He, Z., Su, L., Fan, M., Liu, F., Liao, G. and Shi, T., 2018. Detection of micro solder balls using active thermography technology and K-Means algorithm. IEEE Transactions on Industrial Informatics, 14(12), pp.5620-5628.
[38]   Gong, J., Liu, J., Qin, L. and Wang, Y., 2014. Investigation of carbon fiber reinforced polymer (CFRP) sheet with subsurface defects inspection using thermal-wave radar imaging (TWRI) based on the multi-transform technique. Ndt & E International, 62, pp.130-136.

فایل ها

سابقه مقاله

  • تاریخ دریافت: 17 فروردین 1400
  • تاریخ بازنگری: 06 اردیبهشت 1400
  • تاریخ پذیرش: 17 اردیبهشت 1400

هم رسانی

ارجاع به این مقاله

آمار