ES2911399T3 - Caracterización de proporciones de hebra fusionada de velo en láminas de material de fibra - Google Patents

Caracterización de proporciones de hebra fusionada de velo en láminas de material de fibra Download PDF

Info

Publication number
ES2911399T3
ES2911399T3 ES19170135T ES19170135T ES2911399T3 ES 2911399 T3 ES2911399 T3 ES 2911399T3 ES 19170135 T ES19170135 T ES 19170135T ES 19170135 T ES19170135 T ES 19170135T ES 2911399 T3 ES2911399 T3 ES 2911399T3
Authority
ES
Spain
Prior art keywords
filaments
fiber
unfused
strands
fused
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
ES19170135T
Other languages
English (en)
Inventor
Martin Alexander Szarski
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Boeing Co
Original Assignee
Boeing Co
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Boeing Co filed Critical Boeing Co
Application granted granted Critical
Publication of ES2911399T3 publication Critical patent/ES2911399T3/es
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/8422—Investigating thin films, e.g. matrix isolation method
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • D—TEXTILES; PAPER
    • D01—NATURAL OR MAN-MADE THREADS OR FIBRES; SPINNING
    • D01H—SPINNING OR TWISTING
    • D01H13/00—Other common constructional features, details or accessories
    • D01H13/26—Arrangements facilitating the inspection or testing of yarns or the like in connection with spinning or twisting
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/36—Textiles
    • G01N33/367—Fabric or woven textiles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C60/00—Computational materials science, i.e. ICT specially adapted for investigating the physical or chemical properties of materials or phenomena associated with their design, synthesis, processing, characterisation or utilisation
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
    • B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
    • B29C37/00—Component parts, details, accessories or auxiliary operations, not covered by group B29C33/00 or B29C35/00
    • B29C2037/90—Measuring, controlling or regulating
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
    • B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
    • B29C70/00—Shaping composites, i.e. plastics material comprising reinforcements, fillers or preformed parts, e.g. inserts
    • B29C70/04—Shaping composites, i.e. plastics material comprising reinforcements, fillers or preformed parts, e.g. inserts comprising reinforcements only, e.g. self-reinforcing plastics
    • B29C70/28—Shaping operations therefor
    • B29C70/54—Component parts, details or accessories; Auxiliary operations, e.g. feeding or storage of prepregs or SMC after impregnation or during ageing
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N2021/1765—Method using an image detector and processing of image signal
    • G01N2021/177—Detector of the video camera type
    • G01N2021/1776—Colour camera
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/8422—Investigating thin films, e.g. matrix isolation method
    • G01N2021/8438—Mutilayers
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N2021/8444—Fibrous material
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N2021/8472—Investigation of composite materials
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/251—Colorimeters; Construction thereof
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2201/00—Features of devices classified in G01N21/00
    • G01N2201/12—Circuits of general importance; Signal processing
    • G01N2201/129—Using chemometrical methods
    • G01N2201/1296—Using chemometrical methods using neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20021—Dividing image into blocks, subimages or windows
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30164—Workpiece; Machine component
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30242—Counting objects in image

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Biochemistry (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Analytical Chemistry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Textile Engineering (AREA)
  • Signal Processing (AREA)
  • Quality & Reliability (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Molecular Biology (AREA)
  • Mechanical Engineering (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Composite Materials (AREA)
  • Medicinal Chemistry (AREA)
  • Food Science & Technology (AREA)
  • Moulding By Coating Moulds (AREA)
  • Treatment Of Fiber Materials (AREA)
  • Image Analysis (AREA)
  • Reinforced Plastic Materials (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
  • Acoustics & Sound (AREA)

Abstract

Un método para caracterizar una lámina de fibra que tiene un velo termoplástico, el método comprende: obtener una imagen de un material de fibra que comprende hebras de fibra y además comprende un velo de filamentos de termoplástico (202); subdividir la imagen en cortes (204); determinar una cantidad de filamentos fusionados representados dentro de cada uno de los cortes (206); determinar una cantidad de filamentos no fusionados representados dentro de cada uno de los cortes (208); en donde distinguir filamentos fusionados de filamentos no fusionados con base en diferencias en al menos uno de brillo, color o curvatura; en donde las etapas de determinación se realizan a través de una red neuronal que ha sido entrenada.

Description

DESCRIPCIÓN
Caracterización de proporciones de hebra fusionada de velo en láminas de material de fibra
Campo de la invención
La divulgación se relaciona con el campo de materiales compuestos y en particular, con compuestos de fibra reforzada que incluyen un velo termoplástico.
Antecedentes de la invención
El material seco de fibra de carbono incluye usualmente un velo termoplástico (que comprende múltiples filamentos) fusionado en hebras de fibra de carbono. Las hebras de fibra de carbono proveen reforzamiento del material para dar estabilidad y resistencia, mientras que el velo termoplástico une en conjunto las hebras. El material de fibra de carbono seca se usa como insumo para la fabricación de partes compuestas. Con el fin de asegurar una calidad de fabricación consistente, es deseable que el velo termoplástico de material de fibra de carbono seca tenga una cantidad específica de fusión en las hebras de la fibra de carbono. Sin embargo, la inspección del material de fibra de carbono seca sigue siendo un proceso manual y de trabajo intensivo, que aumenta a su vez el costo de fabricación de partes compuestas. Esto es particularmente notable debido a que se pueden utilizar miles de metros de material de fibra de carbono seca en una sola parte compuesta (por ejemplo, el revestimiento de un ala de una aeronave).
El documento US 2014/374018 A1, de acuerdo con su resumen, establece una hoja preimpregnada para manufacturar un material compuesto de fibra reforzada, la hoja preimpregnada comprende un cuerpo que comprende una capa de reforzamiento fibroso impregnado con un material de resina matriz, y una capa de recubrimiento en polvo de material de resina en al menos una superficie grande del cuerpo y adherida al material de resina matriz.
El documento US 2018/122060 A1, de acuerdo con su resumen, establece un sistema de inspección basado en protocolo que incluye un sistema de iluminación, un sistema de obtención de imágenes configurado para capturar una imagen de superficie de un componente compuesto basado en la iluminación del componente compuesto usando luz visible, un montaje componente configurado para girar el componente compuesto en relación con al menos el sistema de obtención de imágenes, y un dispositivo ordenador configurado para realizar un protocolo de inspección automatizado para dar lugar a que el sistema de iluminación ilumine el componente compuesto usando luz visible, dar lugar a que el sistema de obtención de imágenes capture al menos una imagen de superficie del componente compuesto en respuesta a la iluminación del componente compuesto usando la luz visible, realizar un análisis de lógica difusa en la al menos una imagen de superficie para detectar un defecto de superficie en el componente compuesto que incluye un tejido incorrecto del haz de filamentos de fibra, un haz de filamentos de fibra expuesto, o un nódulo de superficie, y generar una indicación del defecto de superficie a través de una interfaz de usuario.
Por lo tanto, será deseable tener un método y un aparato que tome en consideración al menos algunos de los problemas anteriormente expuestos , así como otros posibles problemas.
Compendio
Las realizaciones que se describen en este documento utilizan el proceso de detección de atributos para caracterizar una cantidad de fusión de un velo termoplástico dentro de un material de fibra (por ejemplo, un material de fibra de carbono seca que no ha sido impregnada con una resina termoendurecible o termoplástica, un material de fibra de vidrio, un material que tenga fibras metálicas o fibras cerámicas uniformes, etc.). La cantidad de fusión se puede caracterizar al comparar un número de filamentos del velo que se hayan fusionado (resultando en un cambio de color/brillo) a un número de filamentos del velo que no se hayan fusionado. Por ejemplo, los procesos de aprendizaje de máquina expuestos en este documento pueden dividir una imagen de un material de fibra en cortes, utilizan una red neuronal convolucional para detectar filamentos fusionados y no fusionados dentro de un velo, y determinar una proporción de filamentos fusionados y no fusionados por cada corte. Una medida general de la cantidad de fusión se puede determinar después para una imagen, con base en la proporción determinada para cada corte.
Se provee un método para caracterizar una lámina de fibra que tiene un velo termoplástico, el método comprende: obtener una imagen de un material de fibra que comprende hebras de fibra y además comprende un velo de filamentos de termoplástico; subdividir la imagen en cortes; determinar una cantidad de filamentos fusionados representados dentro de cada uno de los cortes; determinar una cantidad de filamentos no fusionados representados dentro de cada uno de los cortes; y distinguir filamentos fusionados de filamentos no fusionados con base en diferencias en al menos uno de brillo, color o curvatura; en donde las etapas que determinan se realizan a través de una red neuronal que ha sido entrenada.
Se proporciona además un medio legible por ordenador, en particular un medio legible por ordenador no transitorio, que materializa instrucciones programadas que, cuando se ejecutan por un procesador, se operan para realizar un método para caracterizar una lámina de fibra que tiene un velo termoplástico, el método comprende: obtener una imagen de un material de fibra que comprende hebras de fibra y que además comprende un velo de filamentos de termoplástico; que subdividen la imagen en cortes; determinar una cantidad de filamentos fusionados representados dentro de cada uno de los cortes; determinar una cantidad de filamentos no fusionados representados dentro de cada uno de los cortes y distinguir filamentos fusionados de filamentos no fusionados con base en diferencias en al menos uno de brillo, color o curvatura; en donde las etapas de determinación se realizan a través de una red neuronal que ha sido entrenada.
Se proporciona además un aparato para caracterizar una lámina de fibra que tiene un velo termoplástico, el aparato comprende: una interfaz que recibe una imagen de un material de fibra que comprende hebras de fibra y que comprende además un velo de filamentos de termoplástico; y un controlador que subdivide la imagen en cortes, determina una cantidad de filamentos fusionados representados dentro de cada uno de los cortes, y determina una cantidad de filamentos no fusionados representados dentro de cada uno de los cortes, en donde el controlador distingue filamentos fusionados de filamentos no fusionados con base en diferencias en al menos uno de brillo, color o curvatura, y en donde el controlador determina la cantidad de filamentos no fusionados a través de una red neuronal que ha sido entrenada.
Otras realizaciones ilustrativas (por ejemplo, métodos y medios legibles por ordenador relacionados con las realizaciones anteriormente mencionadas) se pueden describir a continuación. Las características, funciones y ventajas que se han expuesto se pueden alcanzar independientemente en diversas realizaciones o se pueden combinar en incluso otras realizaciones cuyos detalles adicionales se pueden observar con referencia a la siguiente descripción y dibujos.
Descripción de los dibujos
Algunas realizaciones de la presente divulgación se describen ahora, solo a manera de ejemplo, y con referencia a los dibujos que se anexan. El mismo número de referencia representa el mismo elemento o el mismo tipo de elemento en todos los dibujos.
La FIG. diagrama de bloque de un sistema de evaluación de fibra en una realización ilustrativa.
La FIG. 2 es un diagrama de flujo que ilustra un método para evaluar material de fibra en una realización ilustrativa. La FIG. 3 es un diagrama que ilustra una representación de un material de fibra en una realización ilustrativa.
Las FIGS. 4-6 son diagramas que ilustran cortes de una representación en una realización ilustrativa.
La FIG. 7 es un diagrama de bloque de un sistema de evaluación de material de fibra en una realización ilustrativa.
diagrama de flujo de una metodología de producción y servicio en una realización ilustrativa. diagrama de bloque de una aeronave en una realización ilustrativa.
Descripción detallada de la invención
Las figuras y la siguiente descripción ilustran realizaciones ilustrativas específicas de la divulgación. Se apreciará de este modo que aquellos expertos en la técnica serán capaces de concebir diversas disposiciones que, a pesar de que no se describen de manera explícita o se muestran en este documento, materializan los principios de la divulgación y se incluyen dentro del alcance de la divulgación. Además, cualesquier ejemplos descritos en este documento pretenden ayudar a comprender los principios de la divulgación y deben interpretarse sin limitarse a dichos ejemplos y condiciones específicamente enumerados. Como resultado, la divulgación no está limitada a las realizaciones o ejemplos específicos descritos a continuación, sino por las reivindicaciones y sus equivalentes.
Las partes compuestas, tales como las partes de Polímero Reforzado de Fibra de Carbono (CFRP [por sus siglas en inglés]), están inicialmente estratificadas en múltiples capas que forman un laminado. Las fibras individuales dentro de cada capa del laminado están alineadas de manera paralela entre sí, pero diferentes capas pueden mostrar diferentes orientaciones de fibra con el fin de aumentar la resistencia del compuesto resultante a lo largo de diferentes dimensiones. El laminado puede incluir una resina viscosa que solidifica con el fin de endurecer el laminado en una parte compuesta (por ejemplo, para uso en una aeronave). La fibra de carbono que ha sido impregnada con una resina termoendurecible o una resina termoplástica no curada es referida como "preimpregnada". Otros tipos de fibra de carbono incluyen “fibra seca” que no ha sido impregnada con resina termoendurecible pero pueden incluir un fijador adherente o ligante. La fibra seca se puede infundir con resina antes del curado. Para resinas termoendurecibles, el endurecimiento es un proceso de una vía referido como curado, mientras que para las resinas termoplásticas, la resina puede llegar en una forma viscosa si se recalienta. Los sistemas y métodos expuestos en este documento describen la evaluación de materiales de fibra seca que incluyen un ligante en forma de un velo termoplástico.
La FIG. 1 es un diagrama de bloque de un sistema de evaluación de fibra 100 en una realización ilustrativa. El sistema de evaluación de fibra 100 comprende cualquier sistema, dispositivo o componente operable para evaluar automáticamente imágenes de un material de fibra (por ejemplo, CFRP unidireccional, un material de fibra de vidrio, un material que tiene fibras metálicas o cerámicas uniformes, etc.) con el fin de determinar una proporción de filamentos termoplásticos fusionados a no fusionados en el material. En esta realización, el sistema de evaluación de fibra 100 incluye la unidad de caracterización 110 y el sistema de obtención de imágenes 130.
El sistema de obtención de imágenes 130 obtiene imágenes de un pliego 140 de material de fibra 142 (por ejemplo, una lámina de CFRP unidireccional, un material de fibra de vidrio, un material que tenga fibras metálicas o cerámicas uniformes, etc.)). Estas imágenes se pueden obtener en una diversidad de ubicaciones a lo largo del pliego 140, y/o en una diversidad de orientaciones. Las imágenes representan no solo las hebras 150 de fibra 152 (por ejemplo, fibra de carbono, fibra de vidrio, fibra metálica, fibra cerámica, etc.) dentro del pliego 140, sino también representan un velo 160 de filamentos termoplásticos 162 que actúa como un ligante o fijador adherente para las hebras 150. Cada filamento termoplástico 162 puede ser, por ejemplo, 0,17 milímetros (siete milésimas de pulgada) de espesor, o incluso más delgado. Cada hebra 150 puede ser incluso más pequeña, tal como doce a cuarenta mil hebras se encuentran dentro de 2,54 centímetros lineales (una sola pulgada lineal). El sistema de obtención de imágenes 130 puede comprender una cámara (por ejemplo, una cámara a color, cámara estereoscópica, etc.), u otro componente de obtención de imágenes no destructivo, tal como un dispositivo de ultrasonido o de obtención de imágenes por láser.
Las imágenes obtenidas a través del sistema de obtención de imágenes 130 se reciben en la interfaz (I/F) 116. Estas imágenes se pueden almacenar mediante controlador 112 en memoria 114 (por ejemplo, un disco duro, memoria flash, etc.) para un análisis posterior. El controlador 112 gestiona las operaciones de la unidad de caracterización 110 para facilitar la recepción, análisis y reporte de la imagen. Por ejemplo, el controlador 112 puede tener acceso a la red neuronal 124 en la memoria 114 cuando se evalúan imágenes. La red neuronal 124 puede comprender, por ejemplo, una red neuronal convolucional que ha sido entrenada en datos de entrenamiento 122 con el fin de detectar filamentos no fusionados y filamentos fusionados dentro de una imagen.
Los datos de entrenamiento 122 pueden comprender un conjunto de imágenes o cortes (por ejemplo, miles de dichas representaciones), y etiquetas anexas que señalan características encontradas dentro de estos elementos. Por ejemplo, los datos de entrenamiento 122 pueden incluir imágenes que tengan regiones que ya hayan sido etiquetadas como fusionadas o no fusionadas. Los datos de entrenamiento 122 pueden incluir también representaciones tomadas de materiales de carbono seco en donde el ángulo de fibra en plano varía (por ejemplo, cero grados, más cuarenta y cinco grados, menos cuarenta y cinco grados, noventa grados, etc.). Esto puede ser relevante con el fin de entrenar a la red neuronal 124 a considerar diferencias en brillo o contraste encontradas en estos ángulos diferentes de fibra. Por lo tanto, los datos de entrenamiento 122 se pueden usar para probar y refinar los procesos por los que la red neuronal 124 detecta los filamentos fusionados y los filamentos no fusionados. El controlador 112 se puede implementar, por ejemplo, como circuitería personalizada, como un procesador de hardware ejecutando instrucciones programadas, o alguna combinación de los mismos.
Los detalles ilustrativos de la operación del sistema de evaluación de fibra 100 será expuesto en relación con la FIG 2. Asumiendo, para esta realización, que un técnico desea caracterizar el pliego 140 del material de fibra 142, con el fin de determinar si la proporción de filamentos fusionados a filamentos no fusionados dentro del pliego 140 está dentro de una tolerancia deseada.
La FIG. 2 es un diagrama de flujo que ilustra un método 200 para evaluar material de fibra en una realización ilustrativa. Las etapas del método 200 se describen con referencia al sistema de evaluación de fibra 100 de la FIG. 1, pero aquellos expertos en la técnica apreciarán que el método 200 se puede realizar en otros sistemas. Las etapas de los diagramas de flujo en este documento no son completamente exhaustivas y pueden incluir otras etapas que no se muestran. Las etapas que se describen en este documento se pueden realizar en un orden alternativo.
En la etapa 202, el sistema de obtención de imágenes 130 obtiene una imagen de un pliego 140 de material de fibra 142. El material de fibra 142 incluye hebras 150 de fibra 152, y también incluye el velo 160 de filamentos termoplásticos 162 de termoplástico. La imagen se puede generar en cualquier formato adecuado, y una versión digital de la imagen se puede obtener por I/F 116 para almacenar en la memoria 114. En una realización, una imagen se obtiene cada cientos de metros de longitud del material de fibra 142, y la imagen representa una porción pequeña (por ejemplo, una porción de 5,08 centímetros por 5,08 centímetros [dos pulgadas por dos pulgadas) del material de fibra 142. Sin embargo, la imagen puede representar cualquier área adecuada de cualquier tamaño deseado adecuado.
Al haber obtenido la imagen, el controlador 112 procede a subdividir la imagen en cortes (etapa 204). Como se utiliza en este documento, un "corte" puede comprender cualquier porción adecuada de una imagen. Por ejemplo, un corte puede comprender una porción que ocupa una anchura entera de la imagen pero solo una fracción de una altura de la imagen puede comprender una porción que ocupa una altura entera de la imagen pero solo una fracción de una anchura de la imagen puede comprender una sección rectangular, etc. Idealmente, el tamaño (por ejemplo, dimensión angosta) de un corte será lo suficientemente pequeño de forma que los filamentos múltiples no se representan, pero lo suficientemente grandes para que una red neuronal convolucional entrenada para detección de región pueda operar de manera efectiva cuando intente clasificar porciones del corte como representando filamentos fusionados o filamentos no fusionados. Por ejemplo, el tamaño de corte puede estar entre sesenta y ciento sesenta pixeles (por ejemplo, cien pixeles). Puede esperarse que cada corte represente un número de filamentos distintos, tal como cincuenta a cien filamentos.
En realizaciones adicionales, un tamaño de corte se puede seleccionar de forma que la altura de la imagen es divisible equitativamente por el tamaño del corte, o la imagen se puede preprocesar (por ejemplo, recortado, escalado, filtrado, etc.) para mejorar la calidad de la imagen y/o el corte.
En la etapa 206, para cada corte, el controlador 112 determina una cantidad de filamentos fusionados representados. Como se usa en este documento, un "filamento fusionado" (por ejemplo, como se representa por las porciones fusionadas 324 de la FIG. 3) comprende un filamento que se ha fusionado en hebras 150. Esto se realiza mediante el controlador 112 que opera la red neuronal 124 para detectar características dentro del corte que son indicativas de la presencia de un filamento fusionado. Los filamentos fusionados están asociados con una curvatura, brillo o color específicos y la red neuronal 124 ha sido entrenada a través de los datos de entrenamiento 122 para reconocer tales características. En una realización, la red neuronal 124 realiza el análisis de características en un corte con el fin de detectar la presencia de una o más características asociadas con filamentos fusionados. El tamaño de cada región considerado por la red neuronal 124 puede ser igual en dimensión a un tamaño de un corte que se está considerando. Si se detectan suficientes características con suficiente confianza, después la red neuronal 124 puede indicar que existe un filamento fusionado dentro de la región del corte que se está analizando.
Además, para cada corte, el controlador 112 determina una cantidad de filamentos no fusionados representados(es decir, etapa 208). Como se usa en este documento, un "filamento no fusionado" (por ejemplo, como se representa en las porciones no fusionadas 326 de la FIG. 3) comprende un filamento que descansa en la parte superior de las hebras 150 sin que se haya fusionado en las hebras 150. Esto se realiza mediante el controlador 112 que opera la red neuronal 124 para detectar características dentro del corte que son indicativas de la presencia de un filamento no fusionado. Por ejemplo, los filamentos no fusionados están asociados con una curvatura, brillo o color específicos y la red neuronal 124 ha sido entrenada a través de los datos de entrenamiento 122 para reconocer tales características. Cuando se realiza la determinación con respecto a los filamentos no fusionados, la red neuronal 124 puede realizar tareas de reconocimiento de características similares a aquellas expuestas anteriormente para la etapa 206.
Ciertas porciones de filamentos pueden aparecer que están parcialmente fusionadas, en cuyo caso el controlador 112 puede clasificar los filamentos en cualquiera del estado fusionado o sin fusionar dependiendo de cómo ha sido entrenada una red neuronal usada por el controlador 112. En realizaciones adicionales, ciertas regiones pueden representar filamentos fusionados y filamentos no fusionados, y el controlador 112 puede clasificar tal una región como fusionada o no fusionada con base en cómo ha sido entrenada una red neuronal usada por el controlador 112.
En la etapa 206 y la etapa 208, no todas las regiones dentro de un corte incluirán necesariamente filamentos (por ejemplo, filamentos fusionados o filamentos no fusionados). Estas regiones se pueden reportar como regiones vacías. El tamaño de las regiones vacías puede ser relevante cuando se determina si el pliego 140 está dentro de tolerancias que no están relacionadas con la proporción de fusionado.
Las cantidades determinadas en la etapa 206 y la etapa 208 pueden indicar el tamaño de las regiones (por ejemplo, regiones lineales o planas) en que los filamentos de un tipo dado fueron determinados para existir, pueden indicar un número de filamentos de un tipo dado, o pueden comprender otras mediciones adecuadas, (por ejemplo, un número de pixeles que están representando filamentos de un tipo dado). Estas cantidades se usan para determinar una proporción de filamentos fusionados a filamentos no fusionados.
En la etapa 210, el controlador 112 cuantifica una cantidad de fusión de los filamentos termoplásticos 162 del velo 160 para cada corte. Esto se puede realizar, por ejemplo, al sumar las cantidades de filamentos fusionados y de filamentos no fusionados para un corte, y después dividir la cantidad de filamentos fusionados por la suma. En realizaciones adicionales, esto puede comprender determinar una proporción de filamentos fusionados a filamentos no fusionados. Los porcentajes fusionados deseados por especificaciones de diseño pueden variar dependiendo de la aplicación, pero un ejemplo de un porcentaje de fusión está entre treinta y cincuenta por ciento.
La etapa 212 comprende que el controlador 112 cuantifique una cantidad de fusión del velo 160 para la imagen, con base en la cantidad de fusión del velo 160 para cada corte. Por ejemplo, el controlador 112 puede promediar las cantidades de fusión determinadas en la etapa 210 para cada corte, con el fin de determinar una cantidad de fusión encontrada dentro de la imagen como un todo.
En realizaciones adicionales el método 200 se puede repetir para la misma imagen, al cortar la imagen de forma diferente (por ejemplo, en cortes "amplios", seguidos por cortes "altos", cortes de diferentes tamaños, cortes en espejo o rotados, cortes que tienen color o brillo o contraste ajustado, etc.). Aún en realizaciones adicionales, el método 200 se puede repetir para múltiples imágenes con el fin de cuantificar la totalidad del pliego 140. Por ejemplo, en realizaciones donde se caracteriza un rollo entero que comprende cientos de metros del material de fibra de carbono seca 142, puede ser deseable obtener y analizar un número grande de imágenes del material.
El método 200 provee un beneficio sobre las técnicas y sistemas anteriores debido a que permite que las técnicas de inspección manual sea reemplazadas con procesos automáticos que son menos costosos y más exactos. Esto significa que se provee a los técnicos de más tiempo para enfocarse en otros aspectos de la fabricación, que mejoran el proceso por el que las partes compuestas se fabrican de materiales de fibra de carbono.
Las técnicas del método 200 se pueden utilizar para inspeccionar las superficies de un gran número de láminas con el fin de confirmar una proporción fusionada en cada una de estas láminas antes de que tenga lugar la estratificación. Con la proporción de fusión conocida para cada lámina, cualquier preforma resultante creada de las láminas tendrá también una proporción de fusión conocida . Esto es verdad incluso para láminas que son reemplazadas en el interior de esa preforma que ha sido inspeccionada.
Ejemplos
En los siguientes ejemplos se describen procesos, sistemas y métodos adicionales en el contexto de caracterizar materiales de fibra de carbono seca. Esto es, con una exposición de los sistemas y métodos para analizar materiales de fibra de carbono seca provistos anteriormente, las siguientes figuras proveen un ejemplo que indica cómo una imagen se puede cortar y caracterizar.
La FIG. 3 es un diagrama que ilustra un material de fibra en una realización ilustrativa. Específicamente, la FIG. 3 es una vista de arriba hacia abajo de una sola lámina de material de fibra seca unidireccional en la forma de CFRP. La FIG. 3 representa una o más hebras 310 de fibra de carbono, que están ligadas en conjunto a través del velo 320 de filamentos 322. La FIG. 3 representa menor no uniformidad en distancia entre hebras 310 de fibra de carbono, debido a que se espera que las hebras 310 en haz 300 estén aproximadamente, pero no perfectamente, distribuidas de manera uniforme. Algunos filamentos tienen porciones fusionadas 324, mientras que otros filamentos tienen porciones no fusionadas 326. Un solo filamento puede tener regiones fusionadas y porciones no fusionadas.
En este ejemplo, la representación 300 se subdividirá en cortes en los bordes 330, resultando en el corte 342, el corte 344 y el corte 346. La FIG. 4 representa el corte 342 a detalle. Como se muestra en la FIG. 4 en la barra 400, se etiquetan porciones de corte 342 con diferentes identificadores con base en el análisis mediante una red neuronal. "E" indica una región que está vacía de cualquier clase de filamento, "UM" indica una región ocupada por un filamento no fusionado y "M" indica una región ocupada por un filamento fusionado. El tamaño (en este caso, la distancia lineal) de porciones M se puede comparar con el tamaño de las regiones UM con el fin de determinar una cantidad de filamentos fusionados para el corte 342.
La FIG. 5 representa el corte 344, y representa regiones M, regiones UM y una región vacía a través de una barra 500. En el corte 344 el tamaño de las regiones M es sustancialmente menor que el tamaño de las regiones UM la FIG. 6 representa el corte 346, que tiene la más alta proporción de regiones M a regiones UM como se señala por la barra 600.
La FIG. 7 es un diagrama de bloque de un sistema de evaluación de material de fibra 700 en una realización ilustrativa. De acuerdo con la FIG. 7, el sistema incluye material de fibra de carbono 750, que está hecho de hebras 752 de fibra de carbono, así como el velo 754 de filamentos 760. Los filamentos 760 incluyen porciones fusionadas 764 y porciones no fusionadas 766. El sistema de obtención de imágenes 730 genera imágenes del material de fibra de carbono 750, que se obtienen (en forma digital) mediante la interfaz (I/F) 716. El controlador 712 puede dirigir estas imágenes a la memoria 714 para su almacenamiento. La memoria 714 almacena la red neuronal 724, así como datos de entrenamiento 722 y una función objetivo 726, que se usa para marcar la salida de la red neuronal 724 durante el entrenamiento. La memoria 714 también almacena imágenes 742, cortes 744, y datos de los cortes 746. Los datos de los cortes 746 pueden indicar, por ejemplo, las posiciones y las cantidades de porciones fusionadas y no fusionadas de los filamentos detectados en cada corte. Aunque el sistema como se describió anteriormente está enfocado en materiales de fibra seca, en realizaciones adicionales se puede utilizar para realizar funciones similares para materiales preimpregnados.
Con referencia más particularmente a los dibujos, las realizaciones de la divulgación se pueden describir en el contexto de manufactura y servicio de aeronaves en el método 800 como se muestra en la FIG. 8 y un aeronave 802 como se muestra en la FIG. 9. Durante la pre-producción, el método 800 puede incluir la especificación y el diseño 804 del aeronave 802 y la obtención de material 806. Durante la producción, tiene lugar la manufactura de componentes y submontaje 808 y la integración del sistema 810 del aeronave 802. Posteriormente, el aeronave 802 puede pasar por la certificación y la entrega 812 con el fin de ponerse en servicio 814. Aunque esté en servicio por un cliente, el aeronave 802 se programa para trabajo de rutina en mantenimiento y servicio 816 (que puede incluir también la modificación, reconfiguración, acondicionamiento y así sucesivamente). Los aparatos y métodos materializados en este documento se pueden emplear durante cualquiera o más etapas adecuadas de la producción y el servicio descritos en el método 800 (por ejemplo, la especificación y el diseño 804, la obtención de material 806, la fabricación de componentes y el submontaje 808, la integración del sistema 810, la certificación y la entrega 812, el servicio 814, mantenimiento y servicio 816) y/o cualquier componente adecuado del aeronave 802 (por ejemplo, célula del avión 818, sistemas 820, interior 822, sistema de propulsión 824, sistema eléctrico 826, sistema hidráulico 828, ambiental 830).
Cada uno de los procesos del método 800 se pueden realizar o llevar a cabo por un integrador del sistema, un tercero y/o un operador (por ejemplo, un cliente). Para los fines de esta descripción, un integrador de sistema puede incluir, sin limitación, cualquier número de fabricantes de aeronaves y subcontratistas de grandes sistemas; un tercero puede incluir, sin limitación, cualquier cantidad de vendedores, subcontratistas y proveedores; y un operador puede ser una aerolínea, compañía de arrendamiento con opción a compra, entidad militar, organización de servicios y así sucesivamente.
Como se muestra en la FIG. 9, el aeronave 802 producida por el método 800 puede incluir una célula del avión 818 con una pluralidad de sistemas 820 y un interior 822. Ejemplos de sistemas 820 incluyen uno o más sistemas de propulsión 824, un sistema eléctrico 826, un sistema hidráulico 828 y un sistema ambiental 830. Se puede incluir cualquier número de otros sistemas. A pesar de que se muestra un ejemplo de aeronave, los principios de la invención se pueden aplicar a otras industrias, tales como la industria automotriz.
Como ya se mencionó anteriormente, los aparatos y métodos materializados en este documento se pueden emplear durante cualquiera de una o más de las etapas de la producción y servicio descritos en el método 800. Por ejemplo, los componentes o submontajes que corresponden a la manufactura de componentes y submontajes 808 se pueden fabricar o manufacturar de forma similar a los componentes o submontajes producidos mientras que el aeronave 802 está en servicio. También, una o más realizaciones de aparatos, realizaciones de método, o una combinación de estos se puede utilizar durante la manufactura de submontaje 808 e integración de sistema 810, por ejemplo, al acelerar sustancialmente el montaje y/o al reducir el costo de un aeronave 802. De modo parecido, una o más realizaciones de aparatos, realizaciones de método o una combinación de estos se puede utilizar mientras que el aeronave 802 esté en servicio, por ejemplo, y sin limitación, durante el mantenimiento y servicio 816. Por ejemplo, las técnicas y sistemas descritos en este documento se pueden usar para obtención de material 806, fabricación de componentes y submontaje 808, integración de sistema 810, servicio 814, y/o mantenimiento y servicio 816, y/o se puede usar para la célula de avión 818 y/o el interior 822. Estas técnicas y sistemas pueden utilizarse de manera uniforme para sistemas 820, incluyendo, por ejemplo, sistema de propulsión 824, sistema eléctrico 826, hidráulico 828 y/o sistema ambiental 830.
En una realización, una parte comprende una porción de célula de avión 818, y se fabrica durante la manufactura de componentes y el submontaje 808. La parte puede montarse después en una aeronave en la integración de sistema 810, y después se puede utilizar en el servicio 814 hasta que el desgaste hace inutilizable la pieza. Después, cuando está en mantenimiento y servicio 816, la parte se puede desechar y reemplazar con una parte recientemente manufacturada. Los componentes y métodos inventivos se pueden utilizar en toda la manufactura de componentes y submontaje 808 con el fin de manufacturar partes nuevas.
Cualquiera de los diversos elementos de control (por ejemplo, componentes eléctricos o electrónicos) que se muestran en las figuras o que se describen en este documento se pueden implementar como hardware, un procesador implementando software, un procesador implementando firmware, o alguna combinación de estos. Por ejemplo, un elemento se puede implementar como hardware dedicado. Los elementos de hardware dedicado se pueden referir como "procesadores", "controladores" o alguna terminología similar. Cuando se provee mediante un procesador, las funciones se pueden proveer por un solo procesador dedicado, por un solo procesador compartido, o por una pluralidad de procesadores individuales, algunos de los cuales se pueden compartir. Por otra parte, el uso explícito del término "procesador" o "controlador" no debe interpretarse que se refiere exclusivamente al hardware capaz de ejecutar software, y puede incluir implícitamente, sin limitación, hardware de procesador de señal digital (DSP [por sus siglas en inglés]), un procesador de red, circuito integrado para aplicaciones específicas (ASIC [por sus siglas en inglés]) u otra circuitería, matriz de puertas programables en campo (FPGA [por sus siglas en inglés]), memoria solo de lectura (ROM [por sus siglas en inglés]) para almacenar software, memoria de acceso aleatorio (RAM [por sus siglas en inglés]), almacenamiento no volátil, lógico, o algún otro componente o módulo de hardware físico.
También, un elemento de control se puede implementar como instrucciones ejecutables por un procesador o un ordenador para realizar las funciones del elemento. Algunos ejemplos de instrucciones son software, código de programa y firmware. Las instrucciones son operativas cuando se ejecutan por el procesador para dirigir el procesador para realizar las funciones del elemento. Las instrucciones se pueden almacenar en dispositivos de almacenamiento que son legibles por el procesador. Algunos ejemplos de dispositivos de almacenamiento son memorias digitales o en estado sólido, medios de almacenamiento magnético tales como unos discos magnéticos y cintas magnéticas, controladores duros, o medios de almacenamiento de datos digitales legibles de manera óptica.
A pesar de que en este documento se describen realizaciones específicas, el alcance de la divulgación no está limitado a aquellas realizaciones específicas. El alcance de la divulgación se identifica por las siguientes reivindicaciones.

Claims (15)

REIVINDICACIONES
1. Un método para caracterizar una lámina de fibra que tiene un velo termoplástico, el método comprende:
obtener una imagen de un material de fibra que comprende hebras de fibra y además comprende un velo de filamentos de termoplástico (202);
subdividir la imagen en cortes (204);
determinar una cantidad de filamentos fusionados representados dentro de cada uno de los cortes (206); determinar una cantidad de filamentos no fusionados representados dentro de cada uno de los cortes (208);
en donde
distinguir filamentos fusionados de filamentos no fusionados con base en diferencias en al menos uno de brillo, color o curvatura;
en donde las etapas de determinación se realizan a través de una red neuronal que ha sido entrenada.
2. El método de la reivindicación 1, además comprende:
cuantificar una cantidad de fusión del velo para cada corte, con base en el número de filamentos fusionados y el número de filamentos no fusionados para ese corte (210); y
cuantificar una cantidad de fusión del velo para la imagen, con base en la cantidad de fusión del velo para cada corte (212).
3. El método de la reivindicación 1 o 2, en donde:
determinar la cantidad de filamentos fusionados comprende identificar porciones de cada corte que incluyen filamentos fusionados; y
determinar la cantidad de filamentos no fusionados comprende identificar porciones de cada corte que incluyen filamentos no fusionados.
4. El método de cualquiera de las reivindicaciones 1 a 3, en donde:
la red neuronal comprende una red neuronal convolucional.
5. El método de cualquiera de las reivindicaciones 1 a 4, además comprende:
comparar una cantidad de fusión del velo para la imagen con las tolerancias de diseño; y
transmitir una notificación en respuesta a determinar que la cantidad de fusión del velo para la imagen no está dentro de las tolerancias de diseño.
6. El método de cualquiera de las reivindicaciones 1 a 5, en donde:
porciones de cada uno de los cortes se etiquetan con diferentes identificadores basados en análisis por la red neuronal, en donde un primer identificador indica una región que está vacía de cualquier clase de filamento, un segundo identificador indica una región ocupada por un filamento no fusionado y un tercer identificador que indica una región ocupada por un filamento fusionado.
7. El método de cualquiera de las reivindicaciones 1 a 6, en donde:
las hebras de fibra se seleccionan del grupo que consiste en fibra de carbono, fibra de vidrio, fibra metálica y fibra cerámica.
8. El método de la reivindicación 7, en donde:
las hebras de fibra son hebras de fibra de carbono.
9. Un medio legible por ordenador, en particular medio legible por ordenador no transitorio, que materializa instrucciones programadas que, cuando se ejecutan por un procesador, son operables para realizar un método para caracterizar una lámina de fibra que tiene un velo termoplástico, el método comprende:
obtener una imagen de un material de fibra que comprende hebras de fibra y además comprende un velo de filamentos de termoplástico (202);
subdividir la imagen en cortes (204);
determinar una cantidad de filamentos fusionados representados dentro de cada uno de los cortes (206); determinar una cantidad de filamentos no fusionados representados dentro de cada uno de los cortes (208) y distinguir filamentos fusionados de filamentos no fusionados con base en diferencias en al menos uno de brillo, color o curvatura;
en donde las etapas de determinación se realizan a través de una red neuronal que ha sido entrenada.
10. Un aparato para caracterizar una lámina de fibra que tiene un velo termoplástico(160, 754), el aparato comprende:
una interfaz (116; 716) adaptada para recibir una imagen (742) de un material de fibra (142; 750) que comprende hebras (150;752) de fibra (152) y además comprende un velo (160;754) de filamentos (162;322;760) de termoplástico; y un controlador (112;712) adaptado para subdividir la imagen en cortes (342,344,346;744) para determinar una cantidad de filamentos fusionados (324) representados dentro de cada uno de los cortes (342,344,346;744), y para determinar una cantidad de filamentos no fusionados (326) representados dentro de cada uno de los cortes (342,344,346;744), en donde el controlador (112;712) está adaptado para distinguir filamentos fusionados (324) de filamentos no fusionados (326) con base en diferencias en al menos uno de brillo, color o curvatura, y en donde el controlador está adaptado para determinar la cantidad de filamentos fusionados (324) y la cantidad de filamentos no fusionados (326) a través de una red neuronal (124;724) que ha sido entrenada.
11. El aparato de la reivindicación 10, en donde:
el controlador (112;712) está adaptado para cuantificar una cantidad de fusión del velo (160;754) para cada corte (342,344,346;744) con base en el número de filamentos fusionados (324) y el número de filamentos no fusionados (326) para ese corte (342,344,346;744), y para cuantificar una cantidad de fusión del velo (160;754) para la imagen, con base en la cantidad de fusión del velo (160;754) para cada corte (342,344,346;744).
12. El aparato de la reivindicación 10 u 11, en donde:
el controlador está adaptado para operar una red neuronal (124;724) que determina la cantidad de filamentos fusionados al identificar porciones de cada corte (342,344,346;744) que incluyen filamentos fusionados (324); y
el controlador está adaptado para determinar la cantidad de filamentos no fusionados (326) al identificar porciones de cada corte (342,344,346;744) que incluyen filamentos no fusionados (326).
13. El aparato de la reivindicación 10, en donde:
la red neuronal (124;724) que comprende una red neuronal convolucional.
14. El aparato de cualquiera de las reivindicaciones 10 a 13, el aparato además está adaptado para
comparar una cantidad de fusión del velo (160;754) para la imagen con las tolerancias de diseño; y
transmitir una notificación en respuesta a determinar que la cantidad de fusión del velo (160;754) para la imagen no está dentro de las tolerancias de diseño.
15. El aparato de cualquiera de las reivindicaciones 10 a 14, en donde:
las hebras (150;752) de fibra (152) se seleccionan del grupo que consiste en fibra de carbono, fibra de vidrio, fibra metálica y fibra cerámica.
ES19170135T 2018-07-23 2019-04-18 Caracterización de proporciones de hebra fusionada de velo en láminas de material de fibra Active ES2911399T3 (es)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
US16/042,040 US10896498B2 (en) 2018-07-23 2018-07-23 Characterization of melted veil strand ratios in plies of fiber material

Publications (1)

Publication Number Publication Date
ES2911399T3 true ES2911399T3 (es) 2022-05-19

Family

ID=66476355

Family Applications (1)

Application Number Title Priority Date Filing Date
ES19170135T Active ES2911399T3 (es) 2018-07-23 2019-04-18 Caracterización de proporciones de hebra fusionada de velo en láminas de material de fibra

Country Status (8)

Country Link
US (1) US10896498B2 (es)
EP (1) EP3599457B1 (es)
JP (1) JP2020056144A (es)
KR (1) KR20200010996A (es)
CN (1) CN110749554A (es)
ES (1) ES2911399T3 (es)
PT (1) PT3599457T (es)
RU (1) RU2019111358A (es)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102020102800B4 (de) * 2020-02-04 2021-10-07 Deutsches Zentrum für Luft- und Raumfahrt e.V. Verfahren und Vorrichtung zum Ermitteln einer Applikationseigenschaft und Verfahren zur Herstellung einer Faserpreform
KR20240044042A (ko) * 2022-09-28 2024-04-04 엘지이노텍 주식회사 대상체의 물질 검출 장치 및 대상체의 물질 검출 방법
CN116503615B (zh) * 2023-06-25 2023-08-25 南京矩视科技有限公司 一种基于卷积神经网络的碳纤维丝道识别与编号方法

Family Cites Families (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0666795A1 (en) * 1992-10-29 1995-08-16 Exxon Research And Engineering Company Composites and methods of manufacturing the same
CA2113752C (en) 1994-01-19 1999-03-02 Stephen Michael Rooks Inspection system for cross-sectional imaging
US5699799A (en) 1996-03-26 1997-12-23 Siemens Corporate Research, Inc. Automatic determination of the curved axis of a 3-D tube-shaped object in image volume
US7208219B2 (en) * 1997-12-18 2007-04-24 Lrm Industries, Llc Thermoplastic molding process and apparatus
RU2231054C1 (ru) 2002-12-03 2004-06-20 Федеральное государственное унитарное предприятие "Всероссийский научно-исследовательский институт авиационных материалов" Способ определения степени полимеризации композиционных материалов
US7197177B2 (en) * 2003-08-29 2007-03-27 Lowe Elvin P Automated laminate inspection method
US7865032B2 (en) * 2006-09-22 2011-01-04 Hewlett-Packard Development Company, L.P. Methods and systems for identifying an ill-exposed image
WO2009067680A1 (en) 2007-11-23 2009-05-28 Mercury Computer Systems, Inc. Automatic image segmentation methods and apparartus
DE102010008370A1 (de) * 2010-02-17 2011-08-18 Thüringisches Institut für Textil- und Kunststoff-Forschung e.V., 07407 Verfahren zur Herstellung eines plattenförmigen Halbzeugs aus Faserverbundwerkstoff
DE102010008349A1 (de) * 2010-02-17 2011-08-18 Thüringisches Institut für Textil- und Kunststoff-Forschung e.V., 07407 Verfahren zur Herstellung von Pellets aus Faserverbundwerkstoffen
GB2498711B (en) * 2012-01-17 2014-02-26 Gurit Uk Ltd Prepreg for manufacturing composite materials
DE102012220923B4 (de) * 2012-11-15 2014-07-10 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Messung einer faserrichtung eines kohlefaserwerkstoffes und herstellung eines objekts in kohlefaserverbundbauweise
US9897440B2 (en) 2014-01-17 2018-02-20 The Boeing Company Method and system for determining and verifying ply orientation of a composite laminate
WO2017055025A1 (de) * 2015-10-01 2017-04-06 Toho Tenax Europe Gmbh Textiles substrat aus verstärkungsfasern
US20180122060A1 (en) * 2016-11-02 2018-05-03 Rolls-Royce Corporation Automated inspection protocol for composite components
EP3543282B1 (en) * 2016-11-16 2020-11-25 Mitsubishi Gas Chemical Company, Inc. Method for manufacturing molded article
CN107704886A (zh) * 2017-10-20 2018-02-16 北京工业大学 一种基于深度卷积神经网络的医疗图像分级系统和方法
CN107909107B (zh) * 2017-11-14 2020-09-15 深圳码隆科技有限公司 纤维检测方法、装置及电子设备

Also Published As

Publication number Publication date
KR20200010996A (ko) 2020-01-31
RU2019111358A (ru) 2020-10-16
EP3599457B1 (en) 2022-01-26
PT3599457T (pt) 2022-02-24
US20200027206A1 (en) 2020-01-23
JP2020056144A (ja) 2020-04-09
CN110749554A (zh) 2020-02-04
US10896498B2 (en) 2021-01-19
EP3599457A1 (en) 2020-01-29

Similar Documents

Publication Publication Date Title
ES2911399T3 (es) Caracterización de proporciones de hebra fusionada de velo en láminas de material de fibra
ES2933989T3 (es) Control de proceso de un proceso de fabricación de material compuesto
JP5738515B2 (ja) 累積的なトウギャップ幅を決定するためのシステムおよび方法
EP2730914A1 (en) Prepreg production method
Meister et al. Review of image segmentation techniques for layup defect detection in the Automated Fiber Placement process: A comprehensive study to improve AFP inspection
JP6328130B2 (ja) 炭素繊維材料の繊維方向の測定および炭素繊維複合構造での物体の製造
US7197177B2 (en) Automated laminate inspection method
JP6949594B2 (ja) 表面及び表面下のｆｏｄ及び欠陥を高速で検出するためのシステム及び方法
Berger et al. Effects of defects in series production of hybrid CFRP lightweight components–detection and evaluation of quality critical characteristics
EP3002106B1 (en) Method of inspecting joint assemblies
JP2018031775A (ja) 表面及び表面下のｆｏｄ及び欠陥を高速で検出するためのシステム及び方法
Stelzer et al. Mesostructural simulation of discontinuous prepreg platelet based carbon fibre sheet moulding compounds informed by X-ray computed tomography
CN101484796B (zh) 用于确定cfrp试样的特征参数的方法
JP2020037175A (ja) 複合構造体の製造システム及び方法
JP2020056144A5 (es)
Arns et al. Micro-CT analysis of process-induced defects in composite laminates using AFP
Glinz et al. Non-destructive characterisation of out-of-plane fibre waviness in carbon fibre reinforced polymers by X-ray dark-field radiography
Thäsler et al. Monitoring the fatigue crack growth behavior of composite joints using in situ 2D-digital image correlation
EP3255417A1 (en) Hyperspectral borescope system
Adam et al. Selective laser illumination method for enhanced damage monitoring of micro cracking and delamination in GFRP laminates
US9038470B1 (en) Porosity inspection system for composite structures
Maurer et al. Quantitative investigation of local strain and defect formation in short glass fibre reinforced polymers using X-ray computed tomography
Pace et al. Analysis of the manufacturing porosity in fused filament fabricated onyx/long fiber reinforced composites using X-ray computed tomography
CN102866168A (zh) 在预浸渍材料中标记和识别缺陷
JP5626029B2 (ja) プリプレグ欠点検査方法、検査システム、およびプリプレグの製造方法