JP2021162458A - Tank inspection device - Google Patents
Tank inspection device Download PDFInfo
- Publication number
- JP2021162458A JP2021162458A JP2020063795A JP2020063795A JP2021162458A JP 2021162458 A JP2021162458 A JP 2021162458A JP 2020063795 A JP2020063795 A JP 2020063795A JP 2020063795 A JP2020063795 A JP 2020063795A JP 2021162458 A JP2021162458 A JP 2021162458A
- Authority
- JP
- Japan
- Prior art keywords
- waveform
- pressure tank
- waveforms
- tank
- unit
- 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)
- Investigating Strength Of Materials By Application Of Mechanical Stress (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からなる補強層とを含む高圧タンクを検査するタンク検査装置に関する。 The present invention relates to a tank inspection apparatus for inspecting a high-pressure tank including a liner and a reinforcing layer made of a fiber reinforced resin 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、アルミニウム等からなるライナとライナの外面を覆う繊維強化材とからなる複合材タンクの試験装置であって、ライナの損傷状態をAEセンサを用いて検査する試験装置が記載されている。この試験装置では、AEセンサによりAE信号を受信し、そのAE信号の頻度やエネルギ変化からライナのみの損傷状態を検出する。
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).
ところで、ライナとライナの外面を覆う繊維強化樹脂からなる補強層とを備えた高圧タンクは、高圧(例えば70MPa)のガスが充填されるため、非常に高い強度が要求される。このような高圧タンクを設計する場合、補強層を構成する材料や、樹脂が含浸された繊維束からなる繊維強化樹脂層をライナの外面に巻き付ける際の様々な製造条件(繊維強化樹脂層の巻き付け角度、硬化条件)を変更して高圧タンクを製造する。そして、各高圧タンクの内部を所定圧力まで加圧し、その高圧タンクを複数箇所切断して断面観察することによって、高圧タンクの状態を確認するという作業が必要である。 By the way, a high-pressure tank provided with a liner and a reinforcing layer made of a fiber-reinforced resin covering the outer surface of the liner is filled with a high-pressure (for example, 70 MPa) gas, so that very high strength is required. When designing such a high-pressure tank, various manufacturing conditions (wrapping of the fiber-reinforced resin layer) when the material constituting the reinforcing layer and the fiber-reinforced resin layer composed of the fiber bundle impregnated with the resin are wound around the outer surface of the liner. A high-pressure tank is manufactured by changing the angle and curing conditions). Then, it is necessary to pressurize the inside of each high-pressure tank to a predetermined pressure, cut the high-pressure tank at a plurality of places, and observe the cross section to confirm the state of the high-pressure tank.
しかしながら、この方法では、高圧タンクの状態を確認するために高圧タンク切断して断面を観察する必要があるため、確認作業に非常に時間がかかってしまう。また、切断位置によって例えばクラックや層間剥離の発生状況が異なるため、高圧タンクの状態を正確に確認することが困難である。したがって、高圧タンクを設計するには非常に時間がかかるという問題点があった。 However, in this method, since it is necessary to cut the high-pressure tank and observe the cross section in order to confirm the state of the high-pressure tank, the confirmation work takes a very long time. Further, it is difficult to accurately confirm the state of the high-pressure tank because, for example, the state of occurrence of cracks and delamination differs depending on the cutting position. Therefore, there is a problem that it takes a very long time to design a high-pressure tank.
なお、上記特許文献1に記載の試験装置では、ライナのみの損傷状態を検出するため補強層の状態を検出することができず、また、損傷の種類を検出することもできない。
In the test apparatus described in
本発明は、このような点を鑑みてなされたものであり、高圧タンクの補強層の状態を検出することが可能なタンク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 tank inspection device capable of detecting the state of a reinforcing layer of a high-pressure tank.
本発明に係るタンク検査装置は、ライナと前記ライナの外面を覆う繊維強化樹脂からなる補強層とを含む高圧タンクを検査するタンク検査装置であって、前記タンク検査装置は、前記高圧タンクの内部の圧力を増加させた際に前記高圧タンクで発生したAE波を検出するAEセンサの出力波形から複数のAE波形を抽出し、抽出した前記複数のAE波形に基づいて前記高圧タンクを検査するものであり、前記補強層は、複数層の繊維強化樹脂層からなり、前記タンク検査装置は、前記高圧タンクで発生した前記AE波を検出した前記AEセンサの出力波形から前記複数のAE波形を抽出する抽出部と、前記抽出部が抽出した前記複数のAE波形を、前記繊維強化樹脂層を厚み方向に通り抜けるトランスバースクラックに由来する第1波形と、前記繊維強化樹脂層を厚み方向に通り抜けないマイクロクラックに由来する第2波形と、前記繊維強化樹脂層の層間剥離に由来する第3波形と、繊維破断に由来する第4波形と、に分類するように機械学習された分類器と、前記分類器が分類した前記第1波形から前記第4波形のそれぞれの数をカウントするカウント部と、前記カウント部がカウントした結果を出力する出力部と、を有する演算装置を含む。 The tank inspection device according to the present invention is a tank inspection device that inspects a high-pressure tank including a liner and a reinforcing layer made of a fiber-reinforced resin that covers the outer surface of the liner, and the tank inspection device is the inside of the high-pressure tank. A plurality of AE waveforms are extracted from the output waveform of the AE sensor that detects the AE wave generated in the high pressure tank when the pressure is increased, and the high pressure tank is inspected based on the extracted plurality of AE waveforms. The reinforcing layer is composed of a plurality of fiber-reinforced resin layers, and the tank inspection device extracts the plurality of AE waveforms from the output waveform of the AE sensor that detects the AE wave generated in the high-pressure tank. The first waveform derived from the transverse crack that passes through the fiber-reinforced resin layer in the thickness direction and the plurality of AE waveforms extracted by the extraction unit do not pass through the fiber-reinforced resin layer in the thickness direction. A classifier machine-learned to classify into a second waveform derived from microcracks, a third waveform derived from delamination of the fiber-reinforced resin layer, and a fourth waveform derived from fiber breakage, and the above. A computing device including a counting unit that counts each number of the first waveform to the fourth waveform classified by the classifier and an output unit that outputs the result of counting by the counting unit is included.
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.
本発明のタンク検査装置によれば、前記AEセンサの出力波形から前記複数のAE波形を抽出し、前記複数のAE波形を、トランスバースクラックに由来する第1波形と、マイクロクラックに由来する第2波形と、前記繊維強化樹脂層の層間剥離に由来する第3波形と、繊維破断に由来する第4波形と、に分類し、分類した第1波形から第4波形のそれぞれの数をカウントする。これにより、カウントした結果に基づいて、高圧タンクの損傷モード(トランスバースクラック、マイクロクラック、層間剥離、繊維破断)およびその発生数を確認することができるので、補強層の状態を確認するために高圧タンクを切断して断面観察する必要がない。このため、高圧タンクの補強層の状態を確認する作業にかかる時間を短縮することができる。また、断面観察する場合のように切断位置によってクラックや層間剥離等の発生状況が異なることもないため、補強層の状態を正確に確認することができる。その結果、高圧タンクの設計にかかる時間を大幅に短縮することができる。 According to the tank inspection apparatus of the present invention, the plurality of AE waveforms are extracted from the output waveform of the AE sensor, and the plurality of AE waveforms are obtained as a first waveform derived from a transverse crack and a first waveform derived from a microcrack. It is classified into two waveforms, a third waveform derived from delamination of the fiber-reinforced resin layer, and a fourth waveform derived from fiber breakage, and the number of each of the classified first waveform to fourth waveform is counted. .. As a result, the damage mode (transverse crack, microcrack, delamination, fiber breakage) of the high-pressure tank and the number of occurrences thereof can be confirmed based on the counted result, so that the state of the reinforcing layer can be confirmed. There is no need to cut the high pressure tank and observe the cross section. Therefore, the time required for checking the state of the reinforcing layer of the high-pressure tank can be shortened. Further, unlike the case of observing the cross section, the state of occurrence of cracks, delamination and the like does not differ depending on the cutting position, so that the state of the reinforcing layer can be confirmed accurately. As a result, the time required for designing the high-pressure tank can be significantly reduced.
本発明によれば、高圧タンクの補強層の状態を検出することが可能なタンク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 tank inspection device capable of detecting the state of the reinforcing layer of a high-pressure tank.
(第1実施形態)
以下、図面を参照して、本発明の第1実施形態に係るタンク検査装置20を備えた検査システム1について説明する。図1は、本発明の第1実施形態に係るタンク検査装置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。
(First Embodiment)
Hereinafter, 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の状態を検出するタンク検査装置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
ポンプ2は、高圧タンク50の内部に流体(液体または気体)を充填して、高圧タンク50の内部を加圧する。本実施形態では、ポンプ2は、高圧タンク50の内部に水を供給する。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
AEセンサ3は、高圧タンク50の後述する補強層52のクラックなどの発生にともなって生じるAE波を検出し、検出結果を出力波形としてタンク検査装置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、補強層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、補強層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、補強層52を伝搬する波と液体を伝搬する波とが重畳したりする。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、機械学習された分類器123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、検出結果をタンク検査装置20に出力する。
The
タンク検査装置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の後述する補強層52の状態を検査する装置である。タンク検査装置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および出力部125の出力等を表示可能に構成されている。
The
ここで、タンク検査装置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、タンク検査装置20は、バルブ7および9の開閉動作を制御する。なお、タンク検査装置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補強層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
補強層52は、ライナ51の外面を覆っているとともに、樹脂が含浸された繊維束からなる繊維強化樹脂層をライナ51に巻き付けられることにより複数層になった繊維強化樹脂層を硬化させることによって形成されている。この補強層52は、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。補強層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 reinforcing
なお、高圧タンク50の内部の圧力を所定圧力まで増加させた場合、補強層52には、補強層52の繊維強化樹脂層52aを厚み方向に通り抜けるトランスバースクラックと、トランスバースクラックよりも小さく繊維強化樹脂層52aを厚み方向に通り抜けないマイクロクラックと、繊維強化樹脂層52a同士の界面で生じる層間剥離と、繊維強化樹脂層52aを構成する繊維が破断する繊維破断と、が発生する(図4参照)。これに伴い、高圧タンク50の補強層52には、トランスバースクラック、マイクロクラック、層間剥離および繊維破断に対応するAE波が発生する。
When the pressure inside the high-
次に、タンク検査装置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、タンク検査装置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、出力部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、出力部125によって、本発明の「演算部」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5に示すような波形を多数繋げたような波形である。図5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、補強層52を伝搬した振動を表しており、領域A2は、水中を伝搬した振動を表している。
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。抽出部121は、AE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AE波形を順次抽出し、変換部122に出力する。
When AE occurs in the high-
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と、その波形を分類器123によって後述のように分類したとしても、精度良く分類することができない。このため、振幅が所定の閾値以上になった後、一定時間経過しても振幅が所定の閾値未満にはならない場合、そのAE波形は分類器123によって分類されない。なお、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。
When AE waveforms caused by a plurality of AEs are connected and output as one large (long time axis) AE waveform, even if the waveforms are classified as described later by the
抽出部121が抽出した各AE波形は、高圧タンク50の破壊直前に増加するトランスバースクラックの発生に由来する第1波形と、トランスバース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波形と、層間剥離に由来する第3波形と、繊維破断に由来する第4波形と、を少なくとも含んでいるが、抽出直後のAE波形を第1波形、第2波形、第3波形および第4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、抽出後のAE波形を変換部122によって周波数解析した後、第1波形から第4波形に分類している。
Each AE waveform extracted by the
ここで、トランスバースクラックは、繊維強化樹脂層52aを厚み方向に通り抜ける(必ずしも通り抜けるとは限らない)クラックであり、トランスバース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、トランスバースクラックよりも長さが短い。トランスバースクラックは、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、トランスバースクラックは、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、トランスバースクラックは、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。トランスバースクラックは、マイクロクラックが複数繋がることによって発生するが、補強層52内のボイドを起点としても発生すると考えられる。
Here, the transverse crack is a crack that passes through (not necessarily) through the fiber reinforced
変換部122は、抽出部121から入力されたAE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、AE波形をウェーブレット変換して図6に示すような画像(スカログラム)を生成する。ここで、図6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。
The
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k−means法を用いており、変換部122の出力(画像)を、高圧タンク50のトランスバース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、層間剥離に由来する第3波形に対応する第3画像と、繊維破断に由来する第4波形に対応する第4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〜第4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〜第4画像の数をそれぞれカウントするとともに、出力部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
出力部125は、第1画像〜第4画像のそれぞれの数や割合を表示部22に出力する。
The
加圧実行部126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。加圧実行部126は、高圧タンク50の内圧が検査圧力の上限値になると、ポンプ2の駆動を停止するとともに、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。また、加圧実行部126は、第1画像〜第4画像のそれぞれの数や割合を表示部22に出力させるための出力実行信号を出力部125に出力する。
The pressurizing
バルブ開閉部127は、加圧実行部126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 a valve drive signal is input from the pressurizing
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6に示すように、各画像(スカログラム)と損傷モード(トランスバースクラック、マイクロクラック、層間剥離、繊維破断)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、クラック等の発生の瞬間を目視等で捉えることはできないので、第1画像がトランスバースクラックに対応し、第2画像がマイクロクラックに対応し、第3画像が層間剥離に対応し、第4画像が繊維破断に対応していることを確認する必要がある。
In this embodiment, as shown in FIG. 6, 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。高圧タンク50の内部の圧力を増加させると、補強層52にトランスバースクラック、マクロクラック、層間剥離および繊維破断が発生する。
First, a method of acquiring teacher data when performing machine learning will be described. When the pressure inside the
そこで、学習用の高圧タンク50の内圧を所定圧力まで増加させ、そのとき得られる複数のAE波形をウェーブレット変換した画像(第1画像〜第4画像)と、所定圧力まで加圧した後に減圧し、補強層52の断面を観察して計測した各損傷モード(トランスバースクラック、マイクロクラック、層間剥離および繊維破断)の数との関係を確認する。このことを、比較的低い内圧(例えば数〜数十MPa)から高圧タンク50が破壊するまでのいくつかの内圧に対して行う。なお、補強層52の断面観察を行うことにより、その学習用の高圧タンク50は使用できなくなるので、学習用の高圧タンク50を複数準備する必要がある。
Therefore, the internal pressure of the high-
そして、各内圧に対して、第1画像〜第4画像のそれぞれの数およびその割合と、補強層52に発生したトランスバースクラック、マイクロクラック、層間剥離および繊維破断のそれぞれの数およびその割合とを比較することによって、例えば、トランスバースクラックと第1画像とが対応し、マイクロクラックと第2画像とが対応し、層間剥離と第3画像とが対応し、繊維破断と第4画像とが対応していることを確認することができる。
Then, for each internal pressure, the number and ratio of each of the first to fourth images, and the number and ratio of each of the transverse cracks, microcracks, delamination, and fiber breakage generated in the reinforcing
また、高圧タンク50の内圧が増加するに従って、第1画像〜第4画像のそれぞれの累積数の増加率(圧力増加量に対する累積数の増加率)が大きくなるが、特に第1画像および第4画像のそれぞれの累積数の増加率が大きくなることが確認できる。
Further, as the internal pressure of the
なお、第1画像〜第4画像とトランスバースクラック、マイクロクラック、層間剥離および繊維破断との対応関係を確認する場合、例えば、トランスバースクラックが発生しやすい高圧タンク50を製造し、その高圧タンク50を加圧して発生するAE波を検出するとともに、その高圧タンク50の断面観察を行うことにより、トランスバースクラックと第1画像とが対応することを容易に確認することができる。トランスバースクラックは、主に補強層52の内部に形成されたボイドを起点として発生するため、補強層52の内部に多くのボイドを形成しておくことによって、トランスバースクラックが発生しやすい高圧タンク50を得ることができる。逆を言えば、後述するように、タンク検査装置20を用いて高圧タンク50を検査した際に、トランスバースクラックを比較的多く検出すると、その高圧タンク50にはボイドが多く形成されていたことが判明する。
When confirming the correspondence between the first to fourth images and transverse cracks, microcracks, delamination, and fiber breakage, for example, a high-
また、同様に、層間剥離や繊維破断が発生しやすい高圧タンク50を製造することも可能である。例えば、半硬化させた状態の繊維強化樹脂層52aをライナ51に巻き付けて硬化させると、層間剥離の発生しやすい高圧タンク50が得られ、炭素繊維以外の材質からなる繊維強化樹脂層52aや繊維径の細い繊維強化樹脂層52aを用いて補強層52を形成すると、繊維破断の発生しやすい高圧タンク50が得られる。なお、マイクロクラックは、特に比較的低い圧力(例えば数十MPa)では、他の損傷モードに比べて発生数が非常に多いため、マイクロクラックが発生しやすい高圧タンク50を製造しなくても、発生数からトランスバースクラックと第1画像とが対応することを容易に確認することができる。
Similarly, it is also possible to manufacture a high-
以上のようにして、第1画像はトランスバースクラックに対応し、第2画像はマイクロクラックに対応し、第3画像は層間剥離に対応し、第4画像は繊維破断に対応することが確認できると言える。そして、図6に示すように、各画像を第1画像(トランスバースクラック)、第2画像(マイクロクラック)、第3画像(層間剥離)および第4画像(繊維破断)に対応させたデータを教師データとすることができる。 As described above, it can be confirmed that the first image corresponds to the transverse crack, the second image corresponds to the microcrack, the third image corresponds to the delamination, and the fourth image corresponds to the fiber breakage. It can be said that. Then, as shown in FIG. 6, data corresponding to each image corresponding to the first image (transverse crack), the second image (microcrack), the third image (delamination), and the fourth image (fiber breakage) are obtained. It can be teacher data.
次に、教師データを用いて分類器123を機械学習させた。具体的には、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、画像をトランスバース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、層間剥離に対応する第3画像と、繊維破断に対応する第4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〜第4画像に分類させると、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する。以上のようにして、分類器123を機械学習させる。
Next, the
次に、図7を参照して、本実施形態のタンク検査装置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、高圧タンク50を設計する際に、補強層52を構成する材料(繊維、樹脂の材料)や、繊維強化樹脂層52aをライナ51に巻き付ける際の様々な製造条件(繊維強化樹脂層52aの巻き付け角度、繊維強化樹脂層52a(繊維束)を同時に巻き付ける際の数(以下、給糸数ともいう)、硬化条件)などを変更して製造した高圧タンク50の出来栄えを評価する際に用いられるものである。
Next, a pressure inspection method for the
工程S1において、作業者がタンク検査装置20の操作部23を操作することによって、タンク検査装置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。
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、補強層52にトランスバースクラック、マクロクラック、層間剥離および繊維破断が発生すると、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AE波形を順次抽出し、変換部122に出力する。
In step S2, when transverse cracks, macrocracks, delamination and fiber breakage occur in the reinforcing
工程S3において、変換部122は、抽出部121から入力されたAE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、第3波形に対応する第3画像と、第4波形に対応する第4画像とに分類する。また、分類器123は、分類した第1画像〜第4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〜第4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〜第4画像のそれぞれの数を出力部125に出力する。
In step S5, the
工程S6において、加圧実行部126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。
In step S6, the pressurizing
一方、工程S6において、高圧タンク50の内圧が検査圧力の上限値以上である場合、ポンプ2を停止して高圧タンク50への加圧を停止するとともに、バルブ駆動信号および出力実行信号をバルブ開閉部127および出力部125にそれぞれ出力する。これにより、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。このため、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。また、出力部125は、第1画像〜第4画像のそれぞれの数や割合を表示部22に出力する。
On the other hand, in step S6, when the internal pressure of the
工程S7において、表示部22は、第1画像〜第4画像のそれぞれの数および割合、すなわちトランスバースクラック、マイクロクラック、層間剥離および繊維破断のそれぞれの数および割合を表示する。
In step S7, 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
高圧タンク50の設計者は、高圧タンク50を切断して断面を観察することなく、表示部22に表示された結果から、高圧タンク50の出来栄えを評価することができる。例えば、補強層52のボイドの発生は、繊維強化樹脂層52aの巻き付け角度や給糸数に大きく起因することが分かっている。このため、繊維強化樹脂層52aの巻き付け角度や給糸数が異なる複数の高圧タンク50を用いて上記加圧検査を行うことにより、トランスバースクラックの発生の少ない製造条件(繊維強化樹脂層52aの最適な巻き付け角度や最適な給糸数)を特定することができる。なお、例えば給糸数を1つから9つに増加させると、高圧タンク50の両端(ドーム状の部分)におけるボイドの発生数が増加しやすい。このため、製造時間短縮のために給糸数を増加させる設計を行う場合に本実施形態の検査方法を採用することは効果的である。また、ボイドの多い高圧タンク50は、初期の破壊強度(破壊する際の内圧)についてはボイドの少ない高圧タンク50と同等であるが、内部への気体の充填および放出を繰り返した場合における、高圧タンク50が破壊するまでの繰り返し数については、ボイドの少ない高圧タンク50よりも少ない回数で破壊する。すなわち、ボイドの多い高圧タンク50は、サイクル強度が低い。このため、本実施形態の検査方法を用いて、ボイドの発生の少ない高圧タンク50を設計することは特に効果的である。
The designer of the high-
なお、抽出部121で抽出された全てのAE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画像から第4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AE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AE波形から例えば数百個選択し、数百個のAE波形に対して変換および分類し、第1画像から第4画像の割合を算出し、各画像の割合と抽出部121で抽出されたAE波形の総数とによって、各画像の累積数を算出してもよい。
All the AE waveforms extracted by the
また、AEセンサ3を3個以上用いる場合、AE波がAEセンサ3に到達するときの時間差に基づいて、公知の技術を用いて、高圧タンク50のうちのAE波が発生した位置を検出することが可能である。タンク検査装置20を用いてAE波の発生位置を検出し、発生位置を表示部22に表示させることによって、例えばボイドが多く発生する位置を特定することができるので、高圧タンク50の製造条件をより最適にすることができる。
Further, when three or
本実施形態では、上記のように、AEセンサ3の出力波形から複数のAE波形を抽出し、複数のAE波形を、トランスバースクラックに由来する第1波形と、マイクロクラックに由来する第2波形と、層間剥離に由来する第3波形と、繊維破断に由来する第4波形と、に分類し、分類した第1波形から第4波形のそれぞれの数をカウントする。これにより、カウントした結果に基づいて、高圧タンク50の損傷モード(トランスバースクラック、マイクロクラック、層間剥離、繊維破断)およびその発生数を確認することができるので、補強層52の状態を確認するために高圧タンク50を切断して断面観察する必要がない。このため、高圧タンク50の補強層52の状態を確認する作業にかかる時間を短縮することができる。また、断面観察する場合のように切断位置によってクラックや層間剥離等の発生状況が異なることもないため、補強層52の状態を正確に確認することができる。その結果、高圧タンク50の設計にかかる時間を大幅に短縮することができる。
In the present embodiment, as described above, a plurality of AE waveforms are extracted from the output waveform of the
また、上記のように、抽出したAE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〜第4画像に容易に分類することができるので、高圧タンク50の損傷モードおよびその発生数を容易に確認することができる。
Further, as described above, by wavelet transforming the extracted AE waveform, an image (scalogram) showing the time change of the frequency component is generated. Then, by classifying the generated plurality of images with the
(第2実施形態)
この第2実施形態では、上記第1実施形態と異なり、高圧タンク50の内部に気体を充填することにより、高圧タンク50の内部を加圧する場合について説明する。
(Second Embodiment)
In the second embodiment, unlike the first embodiment, a case where the inside of the
ポンプ2は、高圧タンク50の内部に気体(ここでは窒素)を充填して、高圧タンク50の内部を加圧する。窒素は、供給管6を介して高圧タンク50に充填され、排出管8を介して高圧タンク50の外部に排出される。窒素は、排出管8を介して検査室内に排出されてもよい。なお、高圧タンク50に充填する気体は、窒素に限定されるものではなく、例えば、ヘリウム、空気、又はヘリウムと窒素の混合気体等を用いてもよい。
The
本実施形態では、高圧タンク50の内部に気体(ここでは窒素)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、補強層52を伝搬してAEセンサ3に検出される。このため、AEセンサ3の出力波形は、図8に示すような波形を多数繋げたような波形になる。なお、図8の領域Bは、図5の領域A1(補強層52を伝搬した振動)に対応しており、AE波形を増幅させたものである。
In the present embodiment, since the inside of the high-
本実施形態では図9に示すように、タンク検査装置20の制御部21は、抽出部121、分類器123、カウント部124、出力部125、加圧実行部126およびバルブ開閉部127を含んでいる一方、変換部122を含んでいない。
In the present embodiment, as shown in FIG. 9, the
抽出部121には、AEセンサ3の出力波形が入力され、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、一塊の振動(領域B)を1つのAE波形として抽出する。このAE波形には、水中を伝搬した振動は含まれていないため、すなわち水とライナ51との界面で反射したり、補強層52を伝搬する波(振動)と水中を伝搬する波(振動)とが重畳したりすることがないため、上記第1実施形態と異なり、変換部122を設けなくても、AE波形(AEセンサ3の出力波形)を第1波形〜第4波形に精度良く分類することが可能である。
The output waveform of the
分類器123には、抽出部121からAE波形が順次入力される。分類器123は、抽出部121の出力(AE波形)を、トランスバースクラックに由来する第1波形と、マイクロクラックに由来する第2波形と、層間剥離に由来する第3波形と、繊維破断に由来する第4波形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波形〜第4波形をカウント部124に出力する。
AE waveforms are sequentially input to the
カウント部124は、第1波形〜第4波形の数をそれぞれカウントするとともに、その結果を出力部125に出力する。
The
出力部125は、第1波形〜第4波形のそれぞれの数や割合を表示部22に出力する。
The
第2実施形態のその他の構成は、上記第1実施形態と同様である。なお、分類器123を機械学習させる際の教師データに用いる特徴量としては、各AE波形の最大振幅(最大強度)、立ち上り時間、信号が閾値を超える回数、波形持続時間およびエネルギなどが挙げられる。例えば、2つ以上の特徴量(最大振幅、波形持続時間など)に基づいて、AE波形を4つに分類してもよい。また、分類に用いる特徴量をタンク検査装置20が自ら選択するように構成することも可能である。
Other configurations of the second embodiment are the same as those of the first embodiment. The features used for the teacher data when the
次に、図10を参照して、タンク検査装置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。
Next, a pressure inspection method for the
本実施形態では、工程S1およびS2は、上記第1実施形態と同様である。ただし、工程S2において、抽出部121は、AEセンサ3の出力波形から抽出したAE波形を分類器123に出力する。なお、本実施形態では、工程S3は設けられていない。
In the present embodiment, steps S1 and S2 are the same as those in the first embodiment. However, in step S2, the
工程S4において、分類器123は、抽出部121の出力(AE波形)を順次、第1波形〜第4波形に分類する。また、分類器123は、分類した第1波形〜第4波形をカウント部124に出力する。
In step S4, the
工程S5において、カウント部124は、第1波形〜第4波形のそれぞれの数をカウントし、その結果を出力部125に出力する。
In step S5, the
工程S6は、上記第1実施形態と同様である。工程S7において、表示部22は、表示部22は、第1波形〜第4波形のそれぞれの数および割合、すなわちトランスバースクラック、マイクロクラック、層間剥離および繊維破断のそれぞれの数および割合を表示する。
Step S6 is the same as that of the first embodiment. In step S7, the
本実施形態のその他の加圧検査方法およびその他の効果は、上記第1実施形態と同様である。 The other pressurization inspection method and other effects of the present embodiment are the same as those of the first embodiment.
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、AEセンサの出力波形から抽出した複数のAE波形を、トランスバースクラック、マイクロクラック、層間剥離および繊維破断のいずれかに起因する波形に分類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、補強層に硬化不足(生焼け)の部分があった場合、硬化不足の部分をAE波が伝搬する際にAE波が減衰したり、AE波の周波数が低周波数になったりする。このため、AE波形の振幅が小さくなったり(又は抽出されるAE波形の数が少なくなったり)、AE波形の周波数が通常検出される周波数よりも低くなったりすると、補強層に硬化不足の部分が存在することを検出することが可能である。また、上述したように、AEセンサ3を3個以上用いる場合、補強層の硬化不足の部分の位置を検出することも可能である。したがって、AE波形に基づいて、補強層の硬化不足を検出するように構成してもよい。このように構成すれば、補強層の硬化条件(設定温度、ヒータの位置、熱風の当て方など)を最適な条件に設定したり、ヒータの故障を検出したりすることができる。
For example, in the above embodiment, an example of classifying a plurality of AE waveforms extracted from the output waveform of the AE sensor into waveforms caused by any of transverse cracks, microcracks, delamination, and fiber breakage has been shown. The invention is not limited to this. For example, when the reinforcing layer has an under-cured (burnt) portion, the AE wave is attenuated when the AE wave propagates through the under-cured portion, or the frequency of the AE wave becomes low. Therefore, if the amplitude of the AE waveform becomes small (or the number of AE waveforms extracted becomes small) or the frequency of the AE waveform becomes lower than the frequency that is normally detected, the reinforcing layer is insufficiently cured. It is possible to detect the presence of. Further, as described above, when three or
また、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AE波形を抽出し、AE波形を第1波形〜第4波形に分類し、それぞれの数を出力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分類および出力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AE波形を抽出して、AE波形を第1波形〜第4波形に分類し、それぞれの数を出力してもよい。 Further, in the above embodiment, there is an example in which a plurality of AE waveforms are extracted from the output waveform of the AE sensor, the AE waveforms are classified into the first waveform to the fourth waveform, and the respective numbers are output while pressurizing the high pressure tank. As shown, the present invention is not limited to this, and pressurization, classification, and output of the high-pressure tank 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 AE waveforms may be extracted from the stored output waveforms of the AE sensor, the AE waveforms may be classified into the first waveform to the fourth waveform, and the respective numbers may be output.
また、上記第1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 first embodiment described above, an example of wavelet transforming an AE waveform has been described, but the present invention is not limited to this, and the AE waveform can be transformed by using a method such as a fast Fourier transform, a short-time Fourier transform, and a Wigner distribution. It may be converted.
また、上記第2実施形態では、AE波形を変換しない例について示したが、本発明はこれに限らない。気体を充填することによって高圧タンクを加圧する場合であっても、AE波形をウェーブレット変換などにより変換した後で分類してもよい。このように構成すれば、第1画像(または第1波形)〜第4画像(または第4波形)に、より精度良く分類することができる。 Further, in the second embodiment described above, an example in which the AE waveform is not converted is shown, but the present invention is not limited to this. Even when the high-pressure tank is pressurized by filling with gas, the AE waveform may be classified after being converted by wavelet transform or the like. With this configuration, it is possible to classify the first image (or the first waveform) to the fourth image (or the fourth waveform) with higher accuracy.
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k−means法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、サポートベクターマシン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 the k-means method is used as the machine learning algorithm of the classifier has been described, but the present invention is not limited to this. For example, other machine learning algorithms such as support vector machine VAE (Variational Auto-Encoder), CNN (Convolutional Neural Network), GAN (Generative Adversarial Network), Bayesian filter, or isolation forest may be used for classification.
3:AEセンサ、20:タンク検査装置、50:高圧タンク、51:ライナ、52a:繊維強化樹脂層、52:補強層、121:抽出部、123:分類器、124:カウント部、125:出力部
3: AE sensor, 20: tank inspection device, 50: high pressure tank, 51: liner, 52a: fiber reinforced resin layer, 52: reinforcing layer, 121: extraction unit, 123: classifier, 124: count unit, 125: output Department
Claims (1)
前記補強層は、複数層の繊維強化樹脂層からなり、
前記タンク検査装置は、
前記高圧タンクで発生した前記AE波を検出した前記AEセンサの出力波形から前記複数のAE波形を抽出する抽出部と、
前記抽出部が抽出した前記複数のAE波形を、前記繊維強化樹脂層を厚み方向に通り抜けるトランスバースクラックに由来する第1波形と、前記繊維強化樹脂層を厚み方向に通り抜けないマイクロクラックに由来する第2波形と、前記繊維強化樹脂層の層間剥離に由来する第3波形と、繊維破断に由来する第4波形と、に分類するように機械学習された分類器と、
前記分類器が分類した前記第1波形から前記第4波形のそれぞれの数をカウントするカウント部と、
前記カウント部がカウントした結果を出力する出力部と、
を有する演算装置を含むことを特徴とするタンク検査装置。
A tank inspection device that inspects a high-pressure tank including a liner and a reinforcing layer made of a fiber-reinforced resin that covers the outer surface of the liner. A plurality of AE waveforms are extracted from the output waveform of the AE sensor that detects the AE wave generated in the high pressure tank, and the high pressure tank is inspected based on the extracted plurality of AE waveforms.
The reinforcing layer is composed of a plurality of fiber reinforced resin layers.
The tank inspection device is
An extraction unit that extracts the plurality of AE waveforms from the output waveforms of the AE sensor that detects the AE waves generated in the high-pressure tank, and
The plurality of AE waveforms extracted by the extraction unit are derived from a first waveform derived from a transverse crack that passes through the fiber reinforced resin layer in the thickness direction and a microcrack that does not pass through the fiber reinforced resin layer in the thickness direction. A classifier machine-learned to classify into a second waveform, a third waveform derived from delamination of the fiber reinforced resin layer, and a fourth waveform derived from fiber breakage.
A counting unit that counts the respective numbers of the first waveform to the fourth waveform classified by the classifier, and
An output unit that outputs the result counted by the count unit, and an output unit.
A tank inspection device comprising a computing device having the above.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020063795A JP2021162458A (en) | 2020-03-31 | 2020-03-31 | Tank inspection device |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020063795A JP2021162458A (en) | 2020-03-31 | 2020-03-31 | Tank inspection device |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2021162458A true JP2021162458A (en) | 2021-10-11 |
Family
ID=78004830
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020063795A Pending JP2021162458A (en) | 2020-03-31 | 2020-03-31 | Tank inspection device |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2021162458A (en) |
-
2020
- 2020-03-31 JP JP2020063795A patent/JP2021162458A/en active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7259796B2 (en) | PRESSURE INSPECTION METHOD AND PRESSURE INSPECTION DEVICE | |
US6856918B2 (en) | Method to characterize material using mathematical propagation models and ultrasonic signal | |
Sultan et al. | Impact damage characterisation of composite laminates using a statistical approach | |
Tarfaoui et al. | Scale and size effects on dynamic response and damage of glass/epoxy tubular structures | |
JP7238841B2 (en) | PRESSURE INSPECTION METHOD AND PRESSURE INSPECTION DEVICE | |
JP6238901B2 (en) | Inspection method and inspection system for composite container | |
WO2001050122A1 (en) | Hybrid transient-parametric method and system to distinguish and analyze sources of acoustic emission for nondestructive inspection and structural health monitoring | |
JP7166426B2 (en) | Apparatus and method for evaluating soundness of fiber-reinforced composite material | |
Dahmene et al. | Towards efficient acoustic emission testing of COPV, without Felicity ratio criterion, during hydrogen-filling | |
dos Santos Souza et al. | Dynamic response of laminated composites using design of experiments: An experimental and numerical study | |
JP2021162458A (en) | Tank inspection device | |
GB2581019A (en) | Method and device for detecting an impact event and vehicle therefor | |
JP2021162452A (en) | Pressure inspection device | |
JP2022190226A (en) | Pressure vessel strain analysis device and method of manufacturing pressure vessel | |
Patro et al. | Artificial intelligence techniques for fault assessment in laminated composite structure: A review | |
US20220146385A1 (en) | Strength inspection method and strength inspection device | |
Chou | Damage analysis of composite pressure vessels using acoustic emission monitoring | |
Widjaja et al. | Effect of the time dependent loading of type IV cylinders using a multiscale model | |
JP2021162474A (en) | Deterioration diagnostic device | |
Mueller et al. | An integrated health management and prognostic technology for composite airframe structures | |
KR101033260B1 (en) | A acoustic emission diagnosis device for cylinder and method checking up cylinder defect use of it | |
JP2023158383A (en) | Evaluation method for remaining life of pressure vessel | |
Jee et al. | Determinants of damage grade for vehicle CNG cylinder by the analysis of AE features during fatigue | |
Carey | Acoustic emission and acousto-ultrasonic signature analysis of failure mechanisms in carbon fiber reinforced polymer materials | |
Bunsell et al. | Damage accumulation and lifetime prediction of carbon fiber composite pressure vessels |