JP2021162452A - Pressure inspection device - Google Patents
Pressure inspection device Download PDFInfo
- Publication number
- JP2021162452A JP2021162452A JP2020063493A JP2020063493A JP2021162452A JP 2021162452 A JP2021162452 A JP 2021162452A JP 2020063493 A JP2020063493 A JP 2020063493A JP 2020063493 A JP2020063493 A JP 2020063493A JP 2021162452 A JP2021162452 A JP 2021162452A
- Authority
- JP
- Japan
- Prior art keywords
- waveform
- pressure tank
- pressure
- propagation
- wave
- 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.)
- Pending
Links
Images
Landscapes
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
Abstract
Description
本発明は、ライナとライナの外面を覆う繊維強化樹脂層とを備えた高圧タンクの加圧検査装置に関する。 The present invention relates to a pressure inspection device for a high pressure tank provided with a liner and a fiber reinforced resin layer covering the outer surface of the liner.
従来、液体を収容するタンクの検査方法として、ＡＥ（アコースティックエミッション）法を用いた検査方法が知られている（例えば特許文献１参照）。特許文献１には、タンク内に液体を貯蔵した状態でタンク内で発生する音を検出し、検出される音の原波形からノイズを除去することによって、高ＳＮ比でタンク内で発生する音を測定する検査方法が記載されている。この検査方法では、タンクの内面の腐食を検出することが可能である。 Conventionally, as an inspection method for a tank containing a liquid, an inspection method using an AE (acoustic emission) method is known (see, for example, Patent Document 1). Patent Document 1 describes a sound generated in a tank with a high SN ratio by detecting a sound generated in the tank with a liquid stored in the tank and removing noise from the original waveform of the detected sound. The inspection method to measure is described. With this inspection method, it is possible to detect corrosion on the inner surface of the tank.
ところで、液体を充填して高圧タンクの内部を加圧する場合、繊維強化樹脂層で発生したＡＥ波は、繊維強化樹脂層だけでなく液体中も伝搬してＡＥセンサで検出される。このとき、ＡＥ波は、液体中を伝搬する際に液体とライナとの界面で反射したり、反射した波同士が重畳したりする。このため、通常、ＡＥセンサの出力波形から抽出した複数のＡＥ波形に基づいて高圧タンクの異常の有無を判断することは困難である。 By the way, when the liquid is filled and the inside of the high pressure tank is pressurized, the AE wave generated in the fiber reinforced resin layer propagates not only in the fiber reinforced resin layer but also in the liquid and is detected by the AE sensor. At this time, the AE wave is reflected at the interface between the liquid and the liner when propagating in the liquid, or the reflected waves are superimposed on each other. Therefore, it is usually difficult to determine the presence or absence of an abnormality in the high-pressure tank based on a plurality of AE waveforms extracted from the output waveform of the AE sensor.
そこで、高圧タンクの内部に液体を充填して内部の圧力を増加させる加圧検査において、高圧タンクの異常の有無を精度良く検出することが望まれるが、例えば特許文献１に記載の技術を高圧タンクの加圧検査に用いたとしても、高圧タンクの異常の有無を精度良く検査することはできない。 Therefore, in a pressurization inspection in which a liquid is filled inside a high-pressure tank to increase the internal pressure, it is desired to accurately detect the presence or absence of an abnormality in the high-pressure tank. For example, the technique described in Patent Document 1 is applied to high pressure. Even if it is used for the pressure inspection of the tank, it is not possible to accurately inspect the presence or absence of abnormality in the high pressure tank.
本発明は、このような点を鑑みてなされたものであり、高圧タンクの異常の有無を精度良く検査することが可能な加圧検査装置を提供することを課題とする。 The present invention has been made in view of these points, and an object of the present invention is to provide a pressure inspection apparatus capable of accurately inspecting the presence or absence of abnormalities in a high-pressure tank.
本発明に係る加圧検査装置は、ライナと前記ライナの外面を覆う繊維強化樹脂層とを含む高圧タンクを検査する加圧検査装置であって、前記加圧検査装置は、前記高圧タンクの内部に液体を充填して前記内部の圧力を増加させることにより、前記高圧タンクで発生したＡＥ波をＡＥセンサで検出して前記高圧タンクを検査するものであり、前記各ＡＥ波は、前記繊維強化樹脂層を伝搬する第１の波と、前記液体を伝搬する第２の波と、を含み、前記ＡＥセンサの出力波形は、前記高圧タンクで発生したクラックに対応するＡＥ波形を複数含み、前記各ＡＥ波形は、前記第１の波に対応し、所定の閾値よりも小さい振幅を有する第１伝搬波形と、前記第２の波に対応し、前記所定の閾値以上の振幅を有する第２伝搬波形と、を含み、前記加圧検査装置は、前記高圧タンクで発生した前記ＡＥ波を検出した前記ＡＥセンサの出力波形を記憶するとともに、前記出力波形から前記第２伝搬波形を検出すると、検出した前記第２伝搬波形の直前の前記第１伝搬波形を、記憶した前記出力波形から抽出する抽出部と、前記抽出部で抽出した前記第１伝搬波形に基づいて前記高圧タンクの異常の有無を判定する判定部と、を有する演算装置を含む。 The pressurization inspection device according to the present invention is a pressurization inspection device that inspects a high-pressure tank including a liner and a fiber-reinforced resin layer covering the outer surface of the liner, and the pressurization inspection device is the inside of the high-pressure tank. The AE wave generated in the high-pressure tank is detected by the AE sensor to inspect the high-pressure tank by filling the AE wave with a liquid to increase the internal pressure, and each AE wave is fiber-reinforced. The output waveform of the AE sensor includes a plurality of AE waveforms corresponding to cracks generated in the high-pressure tank, and includes a first wave propagating in the resin layer and a second wave propagating in the liquid. Each AE waveform corresponds to the first wave and has an amplitude smaller than a predetermined threshold, and a second propagation waveform corresponding to the second wave and having an amplitude equal to or larger than the predetermined threshold. The pressurization inspection device includes a waveform, and when the pressurization inspection device stores the output waveform of the AE sensor that detects the AE wave generated in the high-pressure tank and detects the second propagation waveform from the output waveform, it detects it. An extraction unit that extracts the first propagation waveform immediately before the second propagation waveform that has been stored from the stored output waveform, and the presence or absence of an abnormality in the high-pressure tank based on the first propagation waveform extracted by the extraction unit. A calculation device including a determination unit for determining.
なお、本明細書および特許請求の範囲において、ＡＥとは、アコースティックエミッションの略であり、材料や構造物などが破壊や変形する際にエネルギを弾性波として放出する現象のことを言う。また、ＡＥ波とは、材料や構造物などが破壊や変形する際に放出される弾性波のことを言う。また、ＡＥセンサとは、ＡＥの発生に伴い生じる弾性波（ＡＥ波）を検出するセンサのことを言う。 In the present specification and claims, AE is an abbreviation for acoustic emission, and refers to a phenomenon in which energy is released as elastic waves when a material or structure is broken or deformed. Further, the AE wave is an elastic wave emitted when a material or a structure is broken or deformed. Further, the AE sensor refers to a sensor that detects an elastic wave (AE wave) generated by the generation of AE.
本発明の加圧検査装置によれば、前記高圧タンクで発生した前記ＡＥ波を検出した前記ＡＥセンサの出力波形を記憶するとともに、前記出力波形から前記第２伝搬波形を検出すると、検出した前記第２伝搬波形の直前の前記第１伝搬波形を、記憶した前記出力波形から抽出する抽出部し、抽出した前記第１伝搬波形に基づいて前記高圧タンクの異常の有無を判定する。このように、液体を充填して高圧タンクの内部を加圧する場合、繊維強化樹脂層で発生したＡＥ波は、繊維強化樹脂層だけでなく液体中も伝搬してＡＥセンサで検出される。このとき、繊維強化樹脂層を伝搬する波（第１の波）は、液体中を伝搬する波（第２の波）よりも速度が速いため、ＡＥセンサにおいては第１の波が検出された後に第２の波が検出される。ここで、第１の波に対応する第１伝搬波形は振幅が小さくノイズ等と区別しにくいが、本発明の加圧検査装置では、振幅の大きい第２伝搬波形を検出すると、検出した第２伝搬波形を用いて第１伝搬波形を抽出するので、第１伝搬波形を精度良く抽出することができる。そして、液体を伝搬した第２の波に対応する第２伝搬波形を用いず、繊維強化樹脂層を伝搬した第１の波に対応する第１伝搬波形に基づいて、高圧タンクの異常の有無を判定することによって、高圧タンクを精度良く検査することができる。 According to the pressurization inspection device of the present invention, the output waveform of the AE sensor that detected the AE wave generated in the high-pressure tank is stored, and the second propagation waveform is detected from the output waveform. The first propagation waveform immediately before the second propagation waveform is extracted from the stored output waveform, and the presence or absence of abnormality in the high-pressure tank is determined based on the extracted first propagation waveform. In this way, when the liquid is filled and the inside of the high-pressure tank is pressurized, the AE wave generated in the fiber-reinforced resin layer propagates not only in the fiber-reinforced resin layer but also in the liquid and is detected by the AE sensor. At this time, since the wave propagating in the fiber-reinforced resin layer (first wave) is faster than the wave propagating in the liquid (second wave), the first wave was detected by the AE sensor. Later a second wave is detected. Here, the first propagation waveform corresponding to the first wave has a small amplitude and is difficult to distinguish from noise and the like. However, when the pressurization inspection apparatus of the present invention detects a second propagation waveform having a large amplitude, the second propagation waveform is detected. Since the first propagation waveform is extracted using the propagation waveform, the first propagation waveform can be extracted with high accuracy. Then, the presence or absence of abnormality in the high-pressure tank is determined based on the first propagation waveform corresponding to the first wave propagating in the fiber reinforced resin layer without using the second propagation waveform corresponding to the second wave propagating in the liquid. By judging, the high pressure tank can be inspected with high accuracy.
本発明によれば、高圧タンクの異常の有無を精度良く検査することが可能な加圧検査装置を提供することができる。 According to the present invention, it is possible to provide a pressure inspection device capable of accurately inspecting the presence or absence of an abnormality in a high pressure tank.
以下、図面を参照して、本発明の一実施形態に係る加圧検査装置２０を備えた検査システム１について説明する。図１は、本発明の一実施形態に係る加圧検査装置２０を備えた検査システム１の全体構成を示す概略図である。
Hereinafter, the inspection system 1 provided with the
検査システム１は図１に示すように、高圧タンク５０を検査するシステムであって、高圧タンク５０の内部を加圧するポンプ２と、高圧タンク５０の外面に取り付けられる１つ以上のＡＥセンサ３と、高圧タンク５０の内圧を検出する圧力センサ４と、ポンプ２の駆動を制御するとともに高圧タンク５０の良否を判定する加圧検査装置２０とを備えている。なお、検査システム１は、分厚いコンクリート壁などからなる検査室内に配置される。
As shown in FIG. 1, the inspection system 1 is a system for inspecting the
ポンプ２は、高圧タンク５０の内部に液体（ここでは水）を充填して、高圧タンク５０の内部を加圧する。ポンプ２は、貯水槽（図示せず）から水を汲み上げて高圧タンク５０に供給する。なお、高圧タンク５０に供給する液体は、水に限定されるものではなく、水以外の液体を用いてもよい。
The
また、ポンプ２には、高圧タンク５０に供給する水が通過する金属等からなる供給管６が接続されている。供給管６には、流路を開閉可能なバルブ７が設けられている。また、高圧タンク５０には、高圧タンク５０の内部の水を検査室の外部に排出するための金属等からなる排出管８が接続されている。排出管８には、流路を開閉可能なバルブ９が設けられている。
Further, a supply pipe 6 made of metal or the like through which water supplied to the
ＡＥセンサ３は、高圧タンク５０の後述する繊維強化樹脂層５２のクラックの発生に伴って生じるＡＥ波を検出し、検出結果を出力波形として加圧検査装置２０に出力する。ＡＥセンサ３は、高圧タンク５０で生じるＡＥ波を検出することが可能であれば特に限定されるものではないが、例えば圧電センサ等を用いることができる。
The
また、ＡＥセンサ３は、繊維強化樹脂層５２の外面の所定位置に固定されている。ＡＥセンサ３の数および固定位置は、特に限定されるものではないが、ここでは、高圧タンク５０の軸方向（長手方向）の両端部および中央部の計３か所に固定されている。これにより、高圧タンク５０のいずれの位置でＡＥ波が生じても、そのＡＥ波をＡＥセンサ３によって検出することができる。なお、１つのＡＥ波が２つ以上のＡＥセンサ３によって検出された場合であっても、公知の技術を用いて、その波形から同一のＡＥ波であると判別できるため、ＡＥの発生数が重複してカウントされることはない。
Further, the
本実施形態では、高圧タンク５０の内部に液体（ここでは水）が充填されるため、高圧タンク５０にＡＥが生じた際に発生するＡＥ波（振動）は、繊維強化樹脂層５２および水の両方を伝搬してＡＥセンサ３で検出される。このとき、ＡＥ波は、液体中を伝搬する際に液体とライナ５１との界面で反射したり、反射した波同士が重畳したりする。このため、通常、ＡＥセンサ３の出力波形から抽出した複数のＡＥ波形を、後述する第１波形と第２波形とに分類しようとしても、精度良く分類することは困難である。しかしながら、本実施形態では後述するように、ＡＥ波形のうちの液体を伝搬した第２の波に対応する第２伝搬波形を用いず、繊維強化樹脂層５２を伝搬した第１の波に対応する第１伝搬波形を用いることによって、複数のＡＥ波形を第１波形と第２波形とに精度良く分類することができる。
In the present embodiment, since the inside of the high-
圧力センサ４は、高圧タンク５０の内圧を検出可能に構成されている。圧力センサ４は、高圧タンク５０の内部に設けられていてもよいし、ポンプ２と高圧タンク５０とを接続する供給管６に設けられていてもよい。圧力センサ４は、検出結果を加圧検査装置２０に出力する。
The
加圧検査装置２０は、高圧タンク５０の内部を所定圧力まで増加させた際に、高圧タンク５０に異常が発生するか否かを検査する装置である。加圧検査装置２０は図２に示すように、ポンプ２などを制御する制御部２１と、表示パネル等からなる表示部２２と、操作者が操作するボタン等からなる操作部２３とを有する。表示部２２は、例えば、高圧タンク５０の内圧、加圧時間、ＡＥセンサ３の出力波形、ポンプ２の動作状況、バルブ７および９の動作状況や、後述する抽出部１２１、変換部１２２、分類器１２３、カウント部１２４および判定部１２５の出力等を表示可能に構成されている。
The
ここで、加圧検査装置２０は、ポンプ２の駆動および停止を制御することが可能であり、特に、ＡＥセンサ３の出力に基づいてポンプ２を停止することが可能である。また、加圧検査装置２０は、バルブ７および９の開閉動作を制御する。なお、加圧検査装置２０の詳細構造については後述する。
Here, the
図３に示すように、高圧タンク５０は、例えば、燃料電池車両に搭載される高圧の水素ガスが充填されるタンクである。なお、高圧タンク５０に充填可能な気体としては、水素ガスに限定されない。高圧タンク５０は、両端がドーム状に丸みを帯びた略円筒形状の高圧ガス貯蔵容器である。高圧タンク５０は、ガスバリア性を有するライナ５１と、ライナ５１の外面を覆う繊維強化樹脂からなる繊維強化樹脂層５２と、を備える。
As shown in FIG. 3, the high-
ライナ５１は、高圧の水素ガスが充填される収容空間を形成する樹脂製又は金属製の部材である。ライナ５１の長手方向（軸方向）の両端には、開口部が形成されており、口金５４およびエンドボス５６がそれぞれ設けられている。口金５４およびエンドボス５６は、アルミニウム又はアルミニウム合金等の金属材料を所定形状に加工したものである。口金５４には、収容空間に対して水素ガスを充填および排出するための供給管６および排出管８が接続される。
The
繊維強化樹脂層５２は、ライナ５１の外面を覆っているとともに、ライナ５１を補強して高圧タンク５０の剛性や耐圧性等の機械的強度を向上させる機能を有する。繊維強化樹脂層５２は、熱硬化性樹脂及び強化繊維によって構成されている。熱硬化性樹脂としては、フェノール樹脂、メラミン樹脂、ユリア樹脂、及びエポキシ樹脂等の熱硬化性樹脂を用いることが好ましく、特に、機械的強度等の観点からエポキシ樹脂を用いることが好ましい。強化繊維としては、ガラス繊維、アラミド繊維、ボロン繊維、及び炭素繊維等を用いることができ、特に、軽量性や機械的強度等の観点から炭素繊維を用いることが好ましい。
The fiber-reinforced
次に、加圧検査装置２０の詳細構造について説明する。
Next, the detailed structure of the
図２に示すように、加圧検査装置２０の制御部２１は、ＣＰＵと、ＲＯＭおよびＲＡＭからなる記憶部とを含んでいる。ＣＰＵは、記憶部に記憶されている動作プログラムを実行する。
As shown in FIG. 2, the
また、制御部２１は、ソフトウェアとして、抽出部１２１、変換部１２２、分類器１２３、カウント部１２４、判定部１２５、加圧実行部１２６およびバルブ開閉部１２７を含んでいる。なお、本実施形態では、抽出部１２１、変換部１２２、分類器１２３、カウント部１２４および判定部１２５によって、本発明の「演算装置」が構成されている。
Further, the
抽出部１２１には、ＡＥセンサ３の出力波形が入力される。抽出部１２１は、ＡＥセンサ３の出力波形から複数のＡＥ波形を抽出する。具体的には、ＡＥセンサ３の出力波形は、例えば図４に示すような波形を多数繋げたような波形である。図４に示す波形において、領域Ａは、高圧タンク５０にＡＥが生じた際に発生する振動を表している。また、領域Ａ１は、繊維強化樹脂層５２を伝搬した第１の波（振動）を表す第１伝搬波形であり、領域Ａ２は、水中を伝搬した第２の波（振動）を表す第２伝搬波形である。第１伝搬波形は、所定の閾値（Ｌ）よりも小さい振幅を有し、第２伝搬波形は、所定の閾値（Ｌ）以上の振幅を有する。
The output waveform of the
抽出部１２１は、高圧タンク５０にＡＥが生じて振幅が所定の閾値（Ｌ）以上になると、そのタイミングを含む一定期間内の一塊の振動（領域Ａ）を１つのＡＥ波形として抽出する。閾値は、ノイズ除去のために設定されている。振幅が所定の閾値以上になった後、所定時間経過すると、振動が小さくなり振幅は所定の閾値未満になる。
When AE occurs in the high-
ここで、本実施形態では、抽出部１２１は、ＡＥセンサ３の出力波形から複数のＡＥ波形を抽出する際に、ＡＥセンサ３の出力波形を記憶するとともに、各ＡＥ波形の第１伝搬波形（領域Ａ１）を抽出する。具体的には、抽出部１２１は、所定の閾値（Ｌ）以上の振幅を検出する（すなわち、第２伝搬波形（領域Ａ２）を検出する）と、検出した第２伝搬波形の直前の第１伝搬波形（領域Ａ１）を、記憶した出力波形から抽出し、変換部１２２に出力する。これにより、振幅が小さくノイズと区別がつきにくい第１伝搬波形を、振幅が大きくノイズと容易に区別できる第２伝搬波形を用いて、精度良く容易に抽出することができる。
Here, in the present embodiment, the
そして、抽出部１２１は、ＡＥ波形および第１伝搬波形を抽出した後、一定時間経過後、再度振幅が所定の閾値以上になると、次のＡＥ波形および第１伝搬波形を抽出する。このようにして、抽出部１２１は、ＡＥセンサ３の出力波形から複数の第１伝搬波形を順次抽出し、変換部１２２に出力する。
Then, after extracting the AE waveform and the first propagation waveform, the
なお、複数のＡＥに起因するＡＥ波形が繋がって、１つの大きな（時間軸で長い）ＡＥ波形として出力される場合があるが、このようなＡＥ波形は、全てのＡＥ波形のうちの数％未満であるため、ＡＥ波形のカウント数、すなわち高圧タンク５０の検査結果にはほとんど影響しない。
Note that AE waveforms caused by a plurality of AEs may be connected and output as one large (long time axis) AE waveform, and such an AE waveform is a few percent of all AE waveforms. Since it is less than, it has almost no effect on the count number of the AE waveform, that is, the inspection result of the
抽出部１２１が抽出する各ＡＥ波形は、高圧タンク５０の破壊直前に増加するマクロクラックの発生に由来する第１波形、又は、マクロクラックよりも小さいマイクロクラックの発生に由来する第２波形であるが、各ＡＥ波形には、第１の波（繊維強化樹脂層５２を伝搬した波）に対応する第１伝搬波形だけでなく、第２の波（水中を伝搬し、反射・重畳した波）に対応する第２伝搬波形も含まれるため、ＡＥ波形を第１波形または第２波形に分類することは容易ではない。そこで、本実施形態では、上述したように抽出部１２１でＡＥ波形のうちの第１伝搬波形を抽出することによって、ＡＥ波形を第１波形または第２波形に精度良く分類することが可能である。また、本実施形態では、第１伝搬波形をさらに精度良く分類するために、抽出後の第１伝搬波形を変換部１２２によって周波数解析した後、第１波形または第２波形に分類している。
Each AE waveform extracted by the
ここで、マクロクラックは高圧タンクの破壊直前に増加するクラックであり、マクロクラックが増加することによって高圧タンクはいずれ破壊に至る。マイクロクラックは、マクロクラックよりも長さが短い。マクロクラックは、マイクロクラックが複数繋がることによって形成される。マイクロクラックは、クラックのない状態から生じるものである一方、マクロクラックは、マイクロクラックが複数繋がることによって形成されるものであるため、すなわち両者の形成過程が異なるため、両者の発生にともなって生じるＡＥ波にも差異が生じると考えられる。なお、マクロクラックは、複数のマイクロクラックが繋がることにより、長さが０．１ｍｍ以上になることが多い。また、後述する教師データを取得する際には、０．１ｍｍ未満をマイクロクラックとし、０．１ｍｍ以上をマクロクラックとした。 Here, the macro crack is a crack that increases immediately before the destruction of the high pressure tank, and the increase of the macro crack eventually leads to the destruction of the high pressure tank. Microcracks are shorter in length than macrocracks. Macrocracks are formed by connecting a plurality of microcracks. The microcracks are generated from a state without cracks, while the macro cracks are formed by connecting a plurality of microcracks, that is, because the formation processes of both are different, they are generated with the occurrence of both. It is considered that there will be a difference in the AE wave. The macro cracks often have a length of 0.1 mm or more due to the connection of a plurality of microcracks. Further, when acquiring the teacher data described later, less than 0.1 mm was defined as a microcrack, and 0.1 mm or more was defined as a macro crack.
変換部１２２は、抽出部１２１から入力された第１伝搬波形に対して時間周波数解析を順次行う。本実施形態では、変換部１２２は、第１伝搬波形をウェーブレット変換して図５に示すような画像（スカログラム）を生成する。ここで、図５に示す画像（スカログラム）の横軸は時間を示し、縦軸は周波数を示し、色（濃度）は強度を示している。なお、ウェーブレット変換とは、基底関数としてウェーブレット関数を用いた周波数解析である。ウェーブレット変換では、フーリエ変換と異なり、時間的な情報を残したまま周波数特性を算出することができる。ウェーブレット変換は、以下の式（１）で定義される。
式（１）において、ａはスケールパラメータ、ｂはシフトパラメータ、Ψ（ｔ）はマザーウェーブレットである。ウェーブレット変換自体は公知の手法であるため、その詳細な説明を省略する。 In equation (1), a is a scale parameter, b is a shift parameter, and Ψ (t) is a mother wavelet. Since the wavelet transform itself is a known method, a detailed description thereof will be omitted.
分類器１２３は、機械学習アルゴリズムとしてサポートベクターマシンを用いており、変換部１２２の出力（画像）を、高圧タンク５０の破壊直前に増加するマクロクラックに由来する第１波形に対応する第１画像と、マイクロクラックに由来する第２波形に対応する第２画像とに分類するように予め機械学習されている。また、分類器１２３は、分類した第１画像および第２画像をカウント部１２４に出力する。分類器１２３の機械学習方法については、後述する。
The
カウント部１２４は、第１画像および第２画像の数をそれぞれカウントするとともに、判定部１２５に出力する。なお、カウント部１２４は、必要に応じて、抽出部１２１で抽出されたＡＥ波形の数もカウントできるようになっていてもよい。
The
判定部１２５は、第１画像の数（言い換えると、マクロクラックの発生数）に基づいて、高圧タンク５０の異常の有無を判定する。本実施形態では、判定部１２５は、第１画像の累積数が第１の閾値以上であるか否かを判断する。第１の閾値の決定方法については、後述する。
The
第１画像の累積数が第１の閾値以上である場合、判定部１２５は、高圧タンク５０に異常が発生していると判断し、その高圧タンク５０を不合格と判定する。このとき、判定部１２５は、高圧タンク５０の加圧を停止するための停止信号を加圧実行部１２６に出力する。また、このとき、判定部１２５は、バルブ７を閉じるとともにバルブ９を開くためのバルブ駆動信号をバルブ開閉部１２７に出力する。
When the cumulative number of the first images is equal to or greater than the first threshold value, the
なお、第１画像の累積数が第１の閾値未満である場合、判定部１２５は、上記停止信号および上記バルブ駆動信号を出力しない。このため、高圧タンク５０への加圧、すなわち高圧タンク５０の検査が継続される。
When the cumulative number of the first images is less than the first threshold value, the
また、判定部１２５は、圧力センサ４からの圧力信号から高圧タンク５０の内圧を検出する。高圧タンク５０の内圧が検査圧力の上限値になると、判定部１２５は、高圧タンク５０に異常が発生していないと判断し、その高圧タンク５０を合格と判定する。このとき、判定部１２５は、上記停止信号および上記バルブ駆動信号をそれぞれ加圧実行部１２６およびバルブ開閉部１２７に出力する。
Further, the
加圧実行部１２６は、判定部１２５から停止信号が入力されると、ポンプ２の駆動を停止する。
The pressurizing
バルブ開閉部１２７は、判定部１２５からバルブ駆動信号が入力されると、バルブ７を閉じるとともに、バルブ９を開く。
When the valve drive signal is input from the
次に、分類器１２３を機械学習させる方法について説明する。
Next, a method of machine learning the
本実施形態では、図５に示すように、各画像（スカログラム）とクラックの種類（マクロクラック、マイクロクラック）とを対応付けた教師データを用いて、分類器１２３を機械学習させる。ここで、クラック発生の瞬間を目視等で捉えることはできないので、第１画像がマクロクラックに対応し、第２画像がマイクロクラックに対応していることを確認する必要がある。
In the present embodiment, as shown in FIG. 5, the
まず、機械学習を行う際の教師データを取得する方法について説明する。図６は、高圧タンクを加圧した際におけるマイクロクラックおよびマクロクラックの発生状況を概念的に示す図である。図６では、高圧タンクの内圧が所定圧力増加する毎に発生するクラックの数を示している。図６に示すように、高圧タンク５０の内部の圧力を増加させると、繊維強化樹脂層５２にマイクロクラックやマクロクラックが発生する。高圧タンク５０の内圧が比較的低い範囲（例えば数十ＭＰａ）では、マイクロクラックが発生する一方、マクロクラックはほとんど発生しない。高圧タンク５０の内圧を増加させると、マクロクラックの発生数が増加し、その後、高圧タンク５０が破壊する。
First, a method of acquiring teacher data when performing machine learning will be described. FIG. 6 is a diagram conceptually showing the state of occurrence of microcracks and macrocracks when the high pressure tank is pressurized. FIG. 6 shows the number of cracks generated each time the internal pressure of the high-pressure tank increases by a predetermined pressure. As shown in FIG. 6, when the pressure inside the high-
そこで、学習用の高圧タンク５０の内圧を第１圧力（例えば数十ＭＰａ）まで増加させ、そのとき得られる複数の第１伝搬波形をウェーブレット変換し画像を生成する。生成した複数枚（例えば数十枚以上）の画像を２つに分類する。ここでは、画像内で強度（色の濃度）差が大きいもの（以下、第１画像という）と、画像内で強度（色の濃度）差が小さいもの（以下、第２画像という）とに分類する。このように実際に分類すると、第２画像の数は第１画像の数よりも多く、第２画像の占める割合は９５％以上であった。
Therefore, the internal pressure of the high-
また、高圧タンク５０の内圧を第１圧力まで増加させた後、高圧タンク５０への加圧を停止し、高圧タンク５０の繊維強化樹脂層５２の断面を観察する。断面を観察すると、繊維強化樹脂層５２には、マイクロクラックおよびマクロクラックが形成されている。実際に断面を観察すると、マイクロクラックの数は、クラック総数（マイクロクラックおよびマクロクラックの合計）に対して９５％以上であった。このため、第１画像はマクロクラックの発生に対応し、第２画像はマイクロクラックに対応していると推測することが可能である。
Further, after increasing the internal pressure of the
さらに、別の学習用の高圧タンク５０の内圧を第２圧力（例えば百数十ＭＰａ）まで増加させ、上記と同様にして画像を生成し、生成された複数枚（例えば数十枚以上）の画像を２つに分類する。この場合、第１画像の占める割合は、高圧タンク５０の内圧を第１圧力まで増加させた際に比べて増加する。なお、ＡＥセンサ３の出力波形から抽出されるＡＥ波形の数（すなわち、高圧タンク５０におけるＡＥ発生数）も、高圧タンク５０の内圧を第１圧力まで増加させた際に比べて、増加した。
Further, the internal pressure of another high-
また、第１圧力まで増加させた際と同様にして、繊維強化樹脂層５２の断面を観察する。実際に断面を観察すると、マクロクラックの数は、第１圧力まで増加させた際に比べて、増加していた。
Further, the cross section of the fiber reinforced
またさらに、別の学習用の高圧タンク５０の内圧を高圧タンク５０が破壊するまで増加させる。そして、破壊直前におけるＡＥセンサ３からの出力波形から上記と同様にして画像を生成し、生成された複数枚（例えば数十枚以上）の画像を２つに分類する。この場合、第１画像の占める割合は、高圧タンク５０の内圧を第２圧力まで増加させた際に比べてさらに増加する。なお、ＡＥセンサ３の出力波形から抽出されるＡＥ波形の数（すなわち、高圧タンク５０におけるＡＥ発生数）も、高圧タンク５０の内圧を第２圧力まで増加させた際に比べて、さらに増加する。
Furthermore, the internal pressure of another high-
また、第２圧力まで増加させた際と同様にして、繊維強化樹脂層５２の断面を観察する。実際に断面を観察すると、マクロクラックの数は、第２圧力まで増加させた際に比べて、さらに増加していた。
Further, the cross section of the fiber reinforced
以上から、第１画像はマクロクラックに対応し、第２画像はマイクロクラックに対応することが確認できると言える。そして、図５に示すように、各画像を第１画像（マクロクラック）および第２画像（マイクロクラック）に対応させたデータを教師データとする。 From the above, it can be confirmed that the first image corresponds to the macro crack and the second image corresponds to the micro crack. Then, as shown in FIG. 5, the data in which each image corresponds to the first image (macro crack) and the second image (micro crack) is used as the teacher data.
次に、教師データを用いて分類器１２３を機械学習させる。具体的には、例えば数百個の教師データのうち７０〜８０％を訓練データとして用いて、画像をマクロクラックに由来する第１画像とマイクロクラックに由来する第２画像とに分類するように、分類器１２３を機械学習させる。そして、数百個の教師データのうち残りを評価データとして用いて、画像を第１画像と第２画像とに分類させる。実際に評価データを用いて分類すると、分類器１２３の正答率は７０％以上であり、分類の精度が十分高いことが判明した。以上のようにして、分類器１２３を機械学習させる。
Next, the
次に、上記第１の閾値の決定方法について説明する。 Next, the method of determining the first threshold value will be described.
高圧タンク５０の内圧を高圧タンク５０が破壊するまで増加させると、高圧タンク５０におけるＡＥ発生数（ＡＥ波形の数）も増加する。特に、マクロクラックに由来するＡＥ波形の数は、高圧タンク５０の内圧が常用範囲を超えた辺りから増加し、図７に示すように高圧タンク５０の破壊直前では、急激に増加する。
When the internal pressure of the high-
そして、高圧タンク５０が破壊する際における、マクロクラックに由来するＡＥ波形の累積数（ここでは、第１画像の累積数）を計測する。これを複数の高圧タンク５０に対して行うことによって、マクロクラックに由来するＡＥ波形の累積数と高圧タンク５０の破壊との関係が判明するため、ばらつきを加味した上で上記第１の閾値を設定することができる。
Then, when the high-
なお、マクロクラックに由来するＡＥ波形の累積数を計測する場合、抽出部１２１で抽出された全てのＡＥ波形の第１伝搬波形に対して、変換部１２２で画像に変換し、分類器１２３によって第１画像および第２画像に分類してもよい。しかし、高圧タンク５０の内圧が５ＭＰａ増加する度に、数万個のＡＥ波形が抽出されるため、全ての第１伝搬波形に対して変換および分類することは容易ではない。そこで、抽出部１２１で抽出された第１伝搬波形から例えば数百個選択し、数百の第１伝搬波形に対して変換および分類し、第１画像および第２画像の割合を算出し、第１画像の割合と抽出部１２１で抽出された第１伝搬波形の総数とによって、マクロクラックに由来するＡＥ波形の第１伝搬波形の累積数を算出してもよい。
When measuring the cumulative number of AE waveforms derived from macrocracks, the
次に、加圧検査装置２０を用いた高圧タンク５０の加圧検査方法について説明する。この加圧検査方法は、例えば、高圧タンク５０の製造後（出荷前）に行われるものであり、高圧タンク５０の内部の圧力は、常用範囲の上限値の１．５倍以上まで加圧される。なお、通常（良品）の高圧タンク５０の内部の圧力をこの加圧検査の上限値まで増加させたとしても、高圧タンク５０に生じるマクロクラックの数は、第１の閾値以上になることはない。
Next, a pressure inspection method for the
図８に示すように、工程Ｓ１において、作業者が加圧検査装置２０の操作部２３を操作することによって、加圧検査装置２０により高圧タンク５０の内部の圧力が増加される。このとき、バルブ７は開かれており、バルブ９は閉じられている。なお、高圧タンク５０の内圧は、略一定の速度で増加される。
As shown in FIG. 8, in step S1, when the operator operates the
工程Ｓ２において、高圧タンク５０の内圧の増加に伴って、繊維強化樹脂層５２にマイクロクラックやマクロクラックが発生すると、ＡＥセンサ３はＡＥ波形を含む波形を抽出部１２１に出力する。抽出部１２１は、ＡＥセンサ３の出力波形から第１伝搬波形を順次抽出し、変換部１２２に出力する。
In step S2, when microcracks or macrocracks occur in the fiber reinforced
工程Ｓ３において、変換部１２２は、抽出部１２１から入力された第１伝搬波形をウェーブレット変換して画像（スカログラム）を順次生成する。また、変換部１２２は、生成した画像を分類器１２３に出力する。
In step S3, the
工程Ｓ４において、分類器１２３は、変換部１２２の出力（画像）を順次、第１波形に対応する第１画像と、第２波形に対応する第２画像とに分類する。また、分類器１２３は、分類した第１画像および第２画像をカウント部１２４に出力する。
In step S4, the
工程Ｓ５において、カウント部１２４は、分類器１２３から順次入力される第１画像または第２画像の数をカウントする（Ｎに１を加える）。また、カウント部１２４は、カウントした第１画像の数および第２画像の数を判定部１２５に出力する。
In step S5, the
工程Ｓ６において、判定部１２５は、第１画像の累積数が第１の閾値以上であるか否かを判断する。
In step S6, the
第１画像の累積数が第１の閾値以上である場合、すなわち高圧タンク５０に異常が発生している場合、判定部１２５は、高圧タンク５０の加圧を停止するための停止信号を加圧実行部１２６に出力するとともに、バルブ駆動信号をバルブ開閉部１２７に出力する。そして、工程Ｓ７に進む。
When the cumulative number of the first images is equal to or greater than the first threshold value, that is, when an abnormality has occurred in the
工程Ｓ７において、加圧実行部１２６は、ポンプ２を停止する。これにより、高圧タンク５０への加圧が停止される。また、バルブ開閉部１２７は、バルブ７を閉じるとともに、バルブ９を開く。これにより、高圧タンク５０への水の供給が停止されるとともに、高圧タンク５０内の水が排出管８を介して屋外に排出される。これらの結果、高圧タンク５０の内圧が低下する。
In step S7, the pressurizing
そして、工程Ｓ８において、表示部２２は、高圧タンク５０が検査を不合格になった旨の表示（報知）を行う。
Then, in step S8, the
その一方、工程Ｓ６において、第１画像の累積数が第１の閾値未満である場合、すなわち高圧タンク５０に異常が発生していない場合、工程Ｓ９に進む。
On the other hand, in step S6, if the cumulative number of the first images is less than the first threshold value, that is, if no abnormality has occurred in the
工程Ｓ９において、判定部１２５は、圧力センサ４の出力に基づいて、高圧タンク５０の内圧が検査圧力の上限値以上であるか否かを判断する。高圧タンク５０の内圧が検査圧力の上限値未満である場合、工程Ｓ２に戻る。その一方、高圧タンク５０の内圧が検査圧力の上限値以上である場合、判定部１２５は、高圧タンク５０の強度が十分確保されていると判断し、停止信号およびバルブ駆動信号を加圧実行部１２６およびバルブ開閉部１２７にそれぞれ出力し、工程Ｓ１０に進む。
In step S9, the
工程Ｓ１０において、加圧実行部１２６は、ポンプ２を停止する。これにより、高圧タンク５０への加圧が停止される。また、バルブ開閉部１２７は、バルブ７を閉じるとともに、バルブ９を開く。これにより、高圧タンク５０への液体の供給が停止されるとともに、高圧タンク５０内の液体が排出管８を介して屋外に排出される。これらの結果、高圧タンク５０の内圧が低下する。
In step S10, the pressurizing
そして、工程Ｓ１１において、表示部２２は、高圧タンク５０が検査を合格した旨の表示（報知）を行う。
Then, in step S11, the
そして、高圧タンク５０の加圧検査が終了する。
Then, the pressurization inspection of the
本実施形態では、上記のように、高圧タンク５０の内部に液体を充填して加圧した際に発生したＡＥ波をＡＥセンサ３で検出し、ＡＥセンサ３の出力波形を記憶するとともに、出力波形から第２伝搬波形（領域Ａ２）を検出すると、検出した第２伝搬波形の直前の第１伝搬波形（領域Ａ１）を、記憶した出力波形から抽出し、抽出した第１伝搬波形に基づいて高圧タンク５０の異常の有無を判定する。このように、液体を充填して高圧タンク５０の内部を加圧する場合、繊維強化樹脂層５２で発生したＡＥ波は、繊維強化樹脂層５２だけでなく液体中も伝搬してＡＥセンサ３で検出される。このとき、繊維強化樹脂層５２を伝搬する波（第１の波）は、液体中を伝搬する波（第２の波）よりも速度が速いため、ＡＥセンサ３においては第１の波が検出された後に第２の波が検出される。ここで、第１の波に対応する第１伝搬波形（領域Ａ１）は振幅が小さくノイズ等と区別しにくいが、本実施形態の加圧検査方法では、振幅の大きい第２伝搬波形（領域Ａ２）を検出すると、検出した第２伝搬波形を用いて第１伝搬波形を抽出するので、第１伝搬波形を精度良く抽出することができる。そして、液体を伝搬した第２の波に対応する第２伝搬波形を用いず、繊維強化樹脂層５２を伝搬した第１の波に対応する第１伝搬波形に基づいて、高圧タンク５０の異常の有無を判定することによって、高圧タンク５０を精度良く検査することができる。
In the present embodiment, as described above, the AE wave generated when the inside of the high-
また、上記のように、抽出した第１伝搬波形をウェーブレット変換することにより、周波数成分の時間変化を示す画像（スカログラム）が生成される。そして、生成された複数の画像を分類器１２３で分類することによって、第１画像と第２画像とに容易に分類することができるので、高圧タンク５０の異常の有無を容易に判定することができる。
Further, as described above, by wavelet transforming the extracted first propagation waveform, an image (scalogram) showing the time change of the frequency component is generated. Then, by classifying the generated plurality of images with the
また、上記のように、第１画像の累積数に基づいて高圧タンク５０の異常の有無を判定することによって、高圧タンク５０の異常の有無を容易に精度良く判定することができる。
Further, as described above, by determining the presence or absence of abnormality in the
なお、今回開示された実施形態は、すべての点で例示であって制限的なものではないと考えられるべきである。本発明の範囲は、上記した実施形態の説明ではなく特許請求の範囲によって示され、さらに特許請求の範囲と均等の意味および範囲内でのすべての変更が含まれる。 It should be noted that the embodiments disclosed this time are exemplary in all respects and are not considered to be restrictive. The scope of the present invention is shown by the scope of claims rather than the description of the above-described embodiment, and further includes all modifications within the meaning and scope equivalent to the scope of claims.
例えば、上記実施形態では、高圧タンクを加圧しながら、ＡＥセンサの出力波形から複数の第１伝搬波形を抽出し、高圧タンクの異常の有無を判定する例について示したが、本発明はこれに限らず、高圧タンクの加圧と判定とを別々に行ってもよい。具体的には、高圧タンクを検査圧力の上限値まで加圧しながらＡＥセンサによってＡＥ波を検出し、ＡＥセンサの出力波形を記憶し、高圧タンクを減圧する。その後、記憶しておいたＡＥセンサの出力波形から複数の第１伝搬波形を抽出して、高圧タンクの異常の有無を判定してもよい。 For example, in the above embodiment, while pressurizing the high-pressure tank, a plurality of first propagation waveforms are extracted from the output waveform of the AE sensor to determine the presence or absence of an abnormality in the high-pressure tank. Not limited to this, pressurization of the high-pressure tank and determination may be performed separately. Specifically, the AE wave is detected by the AE sensor while the high pressure tank is pressurized to the upper limit of the inspection pressure, the output waveform of the AE sensor is stored, and the high pressure tank is depressurized. After that, a plurality of first propagation waveforms may be extracted from the stored output waveforms of the AE sensor to determine the presence or absence of an abnormality in the high-pressure tank.
また、上記実施形態では、第１画像の累積数が第１の閾値以上になった場合に高圧タンクに異常が発生していると判定する例について示したが、本発明はこれに限らない。例えば、高圧タンクが破壊する直前には、高圧タンクの圧力増加量に対する第１波形の増加率（すなわち、図７のグラフの傾き）が急激に大きくなるので、高圧タンクの圧力増加量に対する第１波形（第１画像）の増加率が第２の閾値以上になった場合に高圧タンクに異常が発生していると判定してもよい。また、図９に示すように、高圧タンクが破壊する直前には、マイクロクラックおよびマクロクラックの発生数に対するマクロクラックの発生数の割合が急激に増加するので、第１波形および第２波形の合計に対する第１波形の割合が第３の閾値以上になった場合に高圧タンクに異常が発生していると判定してもよい。いずれの場合にも、高圧タンクに異常が発生しているか否かを判定することができる。また、第１波形（第１画像）の累積数と、圧力増加量に対する第１波形（第１画像）の増加率と、第１波形（第１画像）の割合との２つ以上を併用して、いずれか１つが閾値以上になった場合に高圧タンクに異常が発生していると判定してもよい。 Further, in the above embodiment, an example of determining that an abnormality has occurred in the high pressure tank when the cumulative number of the first images exceeds the first threshold value has been shown, but the present invention is not limited to this. For example, immediately before the high-pressure tank breaks, the rate of increase of the first waveform with respect to the amount of pressure increase in the high-pressure tank (that is, the slope of the graph in FIG. 7) sharply increases, so that the first value with respect to the amount of pressure increase in the high-pressure tank When the rate of increase of the waveform (first image) becomes equal to or higher than the second threshold value, it may be determined that an abnormality has occurred in the high pressure tank. Further, as shown in FIG. 9, immediately before the high-pressure tank is destroyed, the ratio of the number of macrocracks generated to the number of microcracks and macrocracks generated increases sharply, so that the sum of the first waveform and the second waveform When the ratio of the first waveform to the third waveform becomes equal to or higher than the third threshold value, it may be determined that an abnormality has occurred in the high pressure tank. In either case, it can be determined whether or not an abnormality has occurred in the high pressure tank. In addition, two or more of the cumulative number of the first waveform (first image), the rate of increase of the first waveform (first image) with respect to the amount of pressure increase, and the ratio of the first waveform (first image) are used in combination. Therefore, when any one of them exceeds the threshold value, it may be determined that an abnormality has occurred in the high-pressure tank.
また、上記実施形態では、高圧タンクの製造後（出荷前）の加圧検査方法について説明したが、本発明はこれに限らない。本発明の加圧検査方法を、車載後の高圧タンクの加圧検査時（車検時等）に適用してもよい。 Further, in the above embodiment, the pressure inspection method after manufacturing (before shipping) of the high pressure tank has been described, but the present invention is not limited to this. The pressurization inspection method of the present invention may be applied at the time of pressurization inspection (vehicle inspection, etc.) of the high pressure tank after the vehicle is mounted.
また、上記実施形態では、ＡＥ波形をウェーブレット変換する例について説明したが、本発明はこれに限らず、例えば高速フーリエ変換、短時間フーリエ変換およびウィグナー分布などの手法を用いてＡＥ波形を変換してもよい。 Further, in the above embodiment, an example of wavelet transforming the AE waveform has been described, but the present invention is not limited to this, and the AE waveform is transformed by using a method such as a fast Fourier transform, a short-time Fourier transform, and a Wigner distribution. You may.
また、上記実施形態では、複数の第１伝搬波形を第１波形と第２波形とに分類する場合に、第１伝搬波形をウェーブレット変換して画像（スカログラム）を生成し、その画像を第１画像と第２画像とに分類する例について示したが、本発明はこれに限らず、第１伝搬波形をウェーブレット変換せずに第１波形と第２波形とに分類することもできる。 Further, in the above embodiment, when a plurality of first propagation waveforms are classified into a first waveform and a second waveform, the first propagation waveform is wavelet-transformed to generate an image (scalogram), and the image is first. Although an example of classifying into an image and a second image has been shown, the present invention is not limited to this, and the first propagation waveform can be classified into a first waveform and a second waveform without wavelet conversion.
また、上記実施形態では、第１伝搬波形の数に基づいて高圧タンクの異常の有無を判定する例について示したが、本発明はこれに限らず、例えば、特に大きな振幅（ある値以上の振幅）の第１伝搬波形が抽出された場合に第１伝搬波形の数に関わらずに高圧タンクに異常が発生していると判定するように構成してもよい。 Further, in the above embodiment, an example of determining the presence or absence of an abnormality in the high pressure tank based on the number of first propagation waveforms has been shown, but the present invention is not limited to this, and for example, a particularly large amplitude (amplitude of a certain value or more) is shown. ), When the first propagation waveform is extracted, it may be determined that an abnormality has occurred in the high pressure tank regardless of the number of the first propagation waveforms.
また、上記実施形態では、分類器の機械学習アルゴリズムとしてサポートベクターマシンを用いる例について説明したが、本発明はこれに限らない。例えば、ｋ−ｍｅａｎｓ法、ＶＡＥ（Ｖａｒｉａｔｉｏｎａｌ Ａｕｔｏ Ｅｎｃｏｄｅｒ）、ＣＮＮ（Ｃｏｎｖｏｌｕｔｉｏｎａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）、ＧＡＮ（Ｇｅｎｅｒａｔｉｖｅ Ａｄｖｅｒｓａｒｉａｌ Ｎｅｔｗｏｒｋ）、ベイジアンフィルタ、またはアイソレーションフォレストなどの他の機械学習アルゴリズムを用いて分類してもよい。 Further, in the above embodiment, an example in which a support vector machine is used as a machine learning algorithm of a classifier has been described, but the present invention is not limited to this. For example, using other machine learning algorithms such as k-means method, VAE (Variational Auto-Encoder), CNN (Convolutional Neural Network), GAN (Generative Adversarial Network), Bayesian filter, or Isolation Forest. ..
３：ＡＥセンサ、２０：加圧検査装置、５０：高圧タンク、５１：ライナ、５２：繊維強化樹脂層
3: AE sensor, 20: pressure inspection device, 50: high pressure tank, 51: liner, 52: fiber reinforced resin layer
Claims (1)
前記各ＡＥ波は、前記繊維強化樹脂層を伝搬する第１の波と、前記液体を伝搬する第２の波と、を含み、
前記ＡＥセンサの出力波形は、前記高圧タンクで発生したクラックに対応するＡＥ波形を複数含み、
前記各ＡＥ波形は、前記第１の波に対応し、所定の閾値よりも小さい振幅を有する第１伝搬波形と、前記第２の波に対応し、前記所定の閾値以上の振幅を有する第２伝搬波形と、を含み、
前記加圧検査装置は、
前記高圧タンクで発生した前記ＡＥ波を検出した前記ＡＥセンサの出力波形を記憶するとともに、前記出力波形から前記第２伝搬波形を検出すると、検出した前記第２伝搬波形の直前の前記第１伝搬波形を、記憶した前記出力波形から抽出する抽出部と、
前記抽出部で抽出した前記第１伝搬波形に基づいて前記高圧タンクの異常の有無を判定する判定部と、
を有する演算装置を含むことを特徴とする加圧検査装置。 A pressure inspection device for inspecting a high-pressure tank including a liner and a fiber-reinforced resin layer covering the outer surface of the liner. The pressure inspection device fills the inside of the high-pressure tank with a liquid and pressures the inside. The AE wave generated in the high-pressure tank is detected by the AE sensor to inspect the high-pressure tank.
Each of the AE waves includes a first wave propagating in the fiber reinforced resin layer and a second wave propagating in the liquid.
The output waveform of the AE sensor includes a plurality of AE waveforms corresponding to the cracks generated in the high pressure tank.
Each of the AE waveforms corresponds to the first wave and has an amplitude smaller than a predetermined threshold value, and a second propagation waveform corresponding to the second wave and having an amplitude equal to or larger than the predetermined threshold value. Including the propagation waveform,
The pressure inspection device is
When the output waveform of the AE sensor that detects the AE wave generated in the high-pressure tank is stored and the second propagation waveform is detected from the output waveform, the first propagation immediately before the detected second propagation waveform is performed. An extraction unit that extracts the waveform from the stored output waveform, and
A determination unit that determines the presence or absence of an abnormality in the high-pressure tank based on the first propagation waveform extracted by the extraction unit.
A pressurization inspection device comprising a computing device having the above.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2020063493A JP2021162452A (en) | 2020-03-31 | 2020-03-31 | Pressure inspection device |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2020063493A JP2021162452A (en) | 2020-03-31 | 2020-03-31 | Pressure inspection device |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2021162452A true JP2021162452A (en) | 2021-10-11 |
Family
ID=78004777
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2020063493A Pending JP2021162452A (en) | 2020-03-31 | 2020-03-31 | Pressure inspection device |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2021162452A (en) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113466022A (en) * | 2020-03-31 | 2021-10-01 | 丰田自动车株式会社 | Pressure testing method and pressure testing device |
-
2020
- 2020-03-31 JP JP2020063493A patent/JP2021162452A/en active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113466022A (en) * | 2020-03-31 | 2021-10-01 | 丰田自动车株式会社 | Pressure testing method and pressure testing device |
| CN113466022B (en) * | 2020-03-31 | 2024-06-18 | 丰田自动车株式会社 | Pressurization inspection method and pressurization inspection device |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP7259796B2 (en) | PRESSURE INSPECTION METHOD AND PRESSURE INSPECTION DEVICE | |
| US9581570B2 (en) | Determination of the remaining life of a structural system based on acoustic emission signals | |
| JP7238841B2 (en) | PRESSURE INSPECTION METHOD AND PRESSURE INSPECTION DEVICE | |
| Chiachío et al. | A multilevel Bayesian method for ultrasound-based damage identification in composite laminates | |
| Friedrich et al. | Damage process in glass fiber reinforced polymer specimens using acoustic emission technique with low frequency acquisition | |
| JP5482119B2 (en) | Fatigue damage evaluation method and apparatus | |
| US20010047691A1 (en) | Hybrid transient-parametric method and system to distinguish and analyze sources of acoustic emission for nondestructive inspection and structural health monitoring | |
| JPWO2009008515A1 (en) | Damage detection method for high-pressure tank and apparatus therefor | |
| EP3929561A1 (en) | Device and method for evaluating soundness of fiber-reinforced composite material | |
| JP2021162452A (en) | Pressure inspection device | |
| Dabetwar et al. | Damage classification of composites using machine learning | |
| KR102154413B1 (en) | Defect signal diagnostics apparatus and method using acoustic emission | |
| Raut et al. | Methods of damage detection on composites under low velocity impact | |
| JPWO2017175692A1 (en) | Ultrasonic inspection system, ultrasonic inspection method and aircraft structure | |
| JP2002131291A (en) | Method and device for inspecting structure | |
| CN113466021B (en) | Pressurization inspection method and pressurization inspection device | |
| JP2021162474A (en) | Deterioration diagnostic device | |
| JP2021162458A (en) | Tank inspection device | |
| US11403446B1 (en) | Method, system and apparatus for predicting residual strength of composite material after impact, and medium | |
| Patro et al. | Artificial intelligence techniques for fault assessment in laminated composite structure: A review | |
| JP2006038478A (en) | Quality determination method and device for specimen | |
| JP6881432B2 (en) | Diagnostic equipment, diagnostic methods and programs | |
| JP2023158383A (en) | Evaluation method for remaining life of pressure vessel | |
| EP3605051A1 (en) | Analyzing device, diagnosing device, analysis method, and computer-readable recording medium | |
| Nazarko et al. | Anomaly detection in composite elements using Lamb waves and soft computing methods |