KR20200019187A

KR20200019187A - 유리섬유 및 비금속의 파이프를 비파괴적으로 검사하는 장치 및 방법

Info

Publication number: KR20200019187A
Application number: KR1020207000919A
Authority: KR
Inventors: 아흐메드 에스. 알-오마리
Original assignee: 사우디 아라비안 오일 컴퍼니
Priority date: 2017-07-03
Filing date: 2018-06-29
Publication date: 2020-02-21
Also published as: EP3649463B1; EP3649463A1; US10564108B2; CN110832311A; SA519410891B1; US20190003983A1; SG11201913184XA; US20200041420A1; US11460412B2; WO2019010087A1; JP2020527227A

Abstract

복합 물질 구조물의 결함을 검사하기 위한 시스템 및 방법은, a) 구조물의 표면을 가열하기 위한 가열 장치와, 가열에 반응하여 표면으로부터의 복사선을 수신하기 위한 적외선 카메라와, 적외선 복사선으로부터 열 이미지들을 생성하도록 구성된 컨트롤러를 구비한, 검사 장치; b) 샘플의 전체 표면에 열을 인가하도록 위치된 복수의 가열 요소들과, 샘플의 열 이미지들을 포착하기 위한 적외선 카메라와, 열 이미지들을 트레이닝 데이터베이스에 기록하기 위한 프로세싱 시스템을 포함하는, 기지의 복합 물질 샘플로부터 열 이미지들을 획득하기 위한 배열을 포함하는 트레이닝 시스템; 및 c) 트레이닝 시스템 및 검사 장치에 연결되되, 검사 장치로부터 열 이미지들을 수신하고 트레이닝 데이터베이스를 사용하여 구조물 내의 결함의 정량적 파라미터들을 검출하도록 구성되는 컴퓨터 시스템을 포함한다.

Description

유리섬유 및 비금속의 파이프를 비파괴적으로 검사하는 장치 및 방법

본 발명은 물질 검사 및 특성화에 관한 것으로, 특히 복합 구조물을 검사하기 위한 장치, 시스템 및 방법에 관한 것이다.

복합 물질(이하, "복합재")은 현재, 부식에 대한 내성으로 인해 많은 산업적 응용에서 금속 물질을 대체하는 것으로 사용된다. 예를 들어, 오일 및 가스 산업에서, 복합재는 파이프 및 용기 탱크와 같은 필라멘트로 감긴(filament wound) 복합재 구조물에 사용된다. 이러한 복합재의 예는 강화 열경화성 수지(reinforced thermosetting resin, RTR) 파이프(유리섬유), 섬유 보강 폴리머(fiber-reinforced-polymer, FRP) 시스템, 유리 보강 폴리머(glass reinforced polymer, GRP) 및 유리 보강 에폭시(glass reinforced epoxy, GRE)를 포함한다. 복합 물질로 제조된 파이프의 일부의 단면도 및 측면도가 도 14a 및 도 14b에 도시되어 있다. 복합재는 저압의 탄화수소 응용에 널리 사용되고 있지만, 구조물의 무결성을 모니터링하는 데에 어려움이 있기 때문에 고압의 응용에서는 복합재를 사용하는 것에 대한 지속적인 저항이 존재해왔다.

특히, 고압 응용에서의 특정한 유형의 손상에 대한 복합재의 취약성을 고려하면, 이러한 손상이 발생했는지 또는 축적되고 있는지 여부를 시험하기 위해 주기적으로 복합재를 검사하는 것이 중요하다. 또한, 현장에서 구조물들의 연속된 동작을 중단시키는 침투적(invasive) 기술들을 이용하는 것은 불가능하기 때문에, 상기 검사는 비파괴적이어야 한다. 적절한 비파괴시험(non-destructive testing, NDT) 기술은 복합재 상의 전형적인 결함을 정확하게 검출할 수 있고, 적용이 용이하며, 넓은 영역의 신속하고 자동화된 검사를 가능하게 해야 한다. 또한, 이러한 기술들은 표면 준비를 최소화하여 인-서비스(in-service) 검사를 제공하는 것이 유리할 것이다.

보통의 NDT 기술들 중에서, 적외선 서모그래피는 비접촉(contact-free) 측정(결합 매체가 필요 없음), 광역 및 초점화된 영역 스캔, 고속 획득, 및 용이한 작동을 제공하기 때문에 우수한 후보로서 부각된다. 적외선 서모그래피 장비의 감도 한계로 인해 지금까지 이 기술은 정성적 검사 및 경계 검사로 제한되어 왔는데, 두 검사 모두 정확한 결함 크기, 깊이 데이터 또는 임의의 포획된(entrapped) 매질의 성질에 대한 데이터를 제공할 수 없고, 검사되는 구조물의 표면에 가깝게 위치된 결함을 검출하는 것으로 제한된다.

따라서, 복합재 구조물을 정확하고 정량적인 방식으로 신속하게, 신뢰성 있게 그리고 비용 효율적으로 검사하기 위한 비파괴적 기술들에 대한 필요성이 존재한다. 본 발명은 이와 관련된 필요에 관한 것이다.

일 실시예에 따르면, 본 발명은 복합 물질 구조물의 결함을 검사하는 시스템을 제공한다. 상기 시스템은 a) 구조물의 표면의 일 섹션을 가열하기 위한 가열 장치와, 가열에 반응하여 상기 표면으로부터의 적외선 복사선을 수신하기 위한 적외선 카메라와, 상기 수신된 적외선 복사선으로부터 열 이미지들을 생성하도록 구성된 컨트롤러와, 통신 장치를 포함하는 검사 장치, b) 기지의 복합 물질 샘플로부터 열 이미지들을 획득하기 위한 배열을 포함하는 트레이닝 시스템 - 상기 배열은, 상기 샘플의 전체 표면에 열을 인가하도록 위치된 복수의 가열 요소들과, 가열될 때 상기 샘플의 열 이미지들을 포착하기 위한 적외선 카메라와, 포착된 상기 열 이미지들을 트레이닝 데이터베이스에 기록하기 위한 프로세싱 시스템을 포함함 - , 및 c) 상기 트레이닝 시스템 및 상기 검사 장치에 통신가능하게 연결되되, 상기 검사 장치로부터 수신되는 열 이미지들을 수신하고 상기 트레이닝 데이터베이스를 사용하여 상기 구조물 내의 결함의 정량적 파라미터들을 검출하도록 구성되는 컴퓨터 시스템을 포함한다.

일부 실시예에서, 트레이닝 시스템의 가열 요소들은 적어도 하나의 원형 레일 상에 배치되고, 샘플을 360도 방식으로 둘러싼다.

일부 실시예에서, 컴퓨터 시스템은, 구조물의 상기 표면의 일 지점과 상기 적외선 카메라 사이의 거리로서, a) 상기 열 이미지들에 기초하여 계산되는 거리 대비 b) 상기 트레이닝 데이터베이스 내 열 이미지들에 기초하여 계산되는 거리를 비교함으로써 결함의 가능한 존재를 판단한다. 일부 구현예에서, 컴퓨터 시스템은, 상기 표면의 상기 지점 및 상기 적외선 카메라 사이의 거리로서, 상기 열 이미지들에 의해 계산되는 거리 대비 상기 트레이닝 데이터베이스 내 상기 이미지들에 의해 계산되는 거리 사이에 임계 차이가 존재하는 경우, 검사자에게 경보를 발행한다.

일부 실시예에서, 적외선 카메라는 샘플의 원주 둘레로 이동 가능하고, 샘플의 전체 원주로부터 열 이미지들을 획득하도록 동작한다. 열 이미지를 획득하기 위한 배열은, 적외선 카메라가 샘플 주위에서 전체 360도로 원주 방향으로 이동하도록 슬라이딩 가능하게 연결되는, 원형 슬라이더를 더 포함할 수 있다.

복합 물질 구조물은 복합 물질로 제조된 파이프이다. 일부 구현예에서, 복합 물질은 강화 열경화성 수지(RTR), 섬유 보강 폴리머(FRP), 유리 보강 폴리머(GRP) 및 유리 보강 에폭시(GRE) 중 하나이다.

본 발명은 또한, 복합 물질 구조물의 결함을 검사하기 위한 방법을 제공한다. 상기 방법은 복수의 가열 요소들을 이용하여 기지의 복합 물질 샘플들을 가열하고 적외선 카메라를 사용하여 상기 샘플들로부터의 발생된 열 이미지들을 포착함으로써 열 이미지 데이터베이스를 트레이닝시키는 단계, 검사될 구조물을 가열하는 단계, 구조물의 열 이미지들을 포착하는 단계, 열 이미지들을 상기 열 이미지 데이터베이스에 연결된 컴퓨팅 시스템에 전달하는 단계, 포착된 열 이미지들을 상기 열 이미지 데이터베이스 내 이미지들과 매칭시키는 단계, 및 구조물의 열 이미지들을 상기 열 이미지 데이터베이스 내의 매칭된 열 이미지들과 비교함으로써 구조물 내의 결함이 존재하는 지 상기 컴퓨팅 시스템에서 판단하는 단계를 포함한다. 일부 구현예에서, 구조물의 전체 원주가 가열된다.

결함이 있는지 판단하는 단계는, 구조물의 표면의 일 지점과 적외선 카메라 사이의 거리로서, 포착된 열 이미지들에 기초하여 계산된 거리 대비, 트레이닝 데이터베이스의 매칭된 이미지들에 기초하여 계산된 거리를 비교하는 단계를 포함할 수 있다. 일부 구현예에서, 상기 방법은, 상기 표면의 상기 지점과 적외선 카메라 사이의 거리로서, 상기 포착된 열 이미지들에 의해 계산된 거리 대비, 상기 트레이닝 데이터베이스의 매칭된 열 이미지들에 의해 계산된 거리 사이에 임계 차이가 존재하는 경우, 검사자에게 경보하는 단계를 더 포함한다.

적외선 카메라는 전체 표면으로부터 열 이미지들을 획득하기 위해 샘플의 둘레 주위로 이동될 수 있다.

이들 및 다른 측면, 특징 및 이점은 본 발명의 특정 실시예 및 첨부된 도면 및 청구의 다음의 설명으로부터 이해될 수 있다.

도 1은 본 발명의 예시적인 실시예에 따른 정량적 적외선 서모그래피를 사용하여 복합재 구조물을 검사하기 위한 시스템의 개략도이다.
도 2a는 본 발명에 따른 검사 장치의 예시적인 실시예의 사시도이다.
도 2b는 검사되는 구조물 주위에서 원주방향으로 이동할 수 있는 본 발명에 따른 검사 장치의 다른 예시적인 실시예의 사시도이다.
도 2c는 검사되는 구조물을 따라 원주방향 및 종방향으로 모두 이동할 수 있는 본 발명에 따른 검사 장치의 다른 예시적인 실시예의 사시도이다.
도 3은 본 발명의 예시적인 실시예에 따른 검사 장치의 검사 유닛(섀시)의 구성요소들을 도시하는 개략도이다.
도 4a는 본 발명에 따른 검사 장치에서 사용될 수 있는 가열 장치 및 적외선 카메라의 실시예의 개략도이다.
도 4b는 펄스 서모그래피 활성화에 따른 예시적인 활성화 입력(상) 및 적외선 반응(하)을 나타내는 그래프이다.
도 4c는 위상잠금(lock-in) 서모그래피 활성화에 따른 예시적인 활성화 입력(상) 및 적외선 반응(하)을 나타내는 그래프이다.
도 5는 본 발명의 예시적인 실시예에 따른 모델링된 결함들(RVE)의 특성과 가상 서모그래프들을 상관시키기 위해 전문가 시스템을 트레이닝하는 방법의 흐름도이다.
도 6은 본 발명의 예시적인 실시예에 따른 결함 미세구조물 데이터베이스(defective microstructure database, DVDB)를 생성하는 방법의 개략적인 흐름도이다.
도 7a는 본 발명의 예시적인 실시예에 따른 표현 체적 요소(representative volume element, RVE)의 개략적인 사시도이다.
도 7b는 축 A를 따른 도 7a의 RVE의 단면도이다.
도 7c는 축 B를 따른 도 7a의 RVE의 단면도이다.
도 8은 본 발명의 예시적인 실시예에 따라 최적화된 획득 파라미터들을 자동으로 생성하는 방법의 흐름도이다.
도 9는 본 발명의 예시적인 실시예에 따라 가상 서모그래프 데이터베이스(virtual thermograph database, VTDB)를 생성하는 방법의 개략적인 흐름도이다.
도 10a는 본 발명의 실시예에 따라 생성된 서모그래프 데이터를 저장하기 위한 예시적인 매트릭스 데이터 구조의 개략도이다.
도 10b는 특정 RVE에 대한 도 10a의 매트릭스 데이터 구조의 실시예의 개략적인 그래픽 도면이다.
도 11은 본 발명의 실시예에 따른 전문가 시스템 트레이닝 방법에서 사용될 수 있는 예시적인 신경망의 개략도이다.
도 12는 본 발명의 예시적인 실시예에 따른 구조물의 실시간 검사를 위한 방법의 흐름도이다.
도 13은 본 발명의 예시적인 실시예에 따른 결함 파라미터들을 산출하기 위해 전문가 시스템을 사용하여 획득된 서모그래프를 해석하는 프로세스의 개략도이다.
도 14a는 복합 물질로 제조된 파이프라인의 일 섹션의 수직 단면 사진이다.
도 14b는 복합 물질로 제조된 파이프라인의 일 섹션의 정면도이다.
도 15a는 현장에서 설치된 파이프라인을 검사하는 데에 사용되는 본 발명에 따른 검사 장치의 예시적인 응용을 도시하는 사시도이다.
도 15b는 파이프라인이 생산 라인에서 생성될 때 파이프라인을 검사하는 데에 사용되는 본 발명에 따른 검사 장치의 다른 예시적인 응용을 도시하는 사시도이다.
도 16a는 본 발명의 일 실시예에 따른 트레이닝 데이터베이스를 위한, 복합 물질 샘플의 열 이미지들을 포착하기 위한 배열의 단부의 사진이다.
도 16b는 복합 물질 샘플의 이미지들을 포착하기 위해 위치되는 적외선 카메라를 도시하는 사진이다.
도 17은 본 발명의 일 실시예에 따른 직접 트레이닝 시스템의 개략도이다.
도 18은 본 발명의 일 실시예에 따른 트레이닝 데이터베이스를 사용하여 복합 물질을 검사하는 방법의 흐름도이다.

적외선 서모그래피(infrared thermography)를 이용하여 구조물을 신뢰성 있고 정량적으로 검사하는 체계적인 접근법이 개시된다. 본원에 개시된 접근법은 복합 물질을 검사하는 데 특히 적용될 수 있다. 일부 실시예에서, 검사 시스템은 3개의 별개의 요소들을 포함한다: 1) 제어된 환경에서 가열된, 기지의 복합 구조물들의 전체 원주에 대해 획득된 열 이미지들을 포함하거나, 또는 a) 복합 물질의 구조적 결함들을 모델링하고, b) 모델링된 결함이 가열에 어떻게 반응하는지의 수학적 시뮬레이션을 수행하고, 시간에 따른 모델링된 결함의 온도 변화들을 나타내는 가상 서모그래프(온도를 나타내는 이미지들)를 생성하며, 그리고 c) 접근 가능한 가상 서모그래프 데이터베이스를 생성하여, 기계학습 접근법을 이용하여 상기 모델링된 결함의 파라미터들을 상기 가상 서모그래프와 상관시키는, 트레이닝 시스템, 2) 구조물의 해당 사이트에서 사용되고 구조물의 표면의 일 섹션에 열을 인가하기 위해 가열 요소를 포함하는 검사 장치와, 표면의 가열된 섹션으로부터 방출된 적외선 복사선을 기록하는 기록 장치, 및 3) 검사 장치로부터 기록된 적외선 복사선의 열 이미지들을 수신하고, 그리고 c) 열 이미지들을 트레이닝 시스템의 이미지들과 비교함으로써, 수신된 열 이미지들의 파라미터들을 정량적으로 결정하는 현장 컴퓨팅 시스템. 상기 시스템의 추가적인 세부사항들은 도시된 실시예를 참조하여 설명된다.

상기 개시된 시스템은, 구현이 쉽고, 신속한 검사를 제공하며, 경제적으로 효율적인, 대형 및/또는 확장된 표면을 갖는 복합재 구조물 상의 결함을 검출하는 문제에 대한 통합된 해결책을 제공한다.

예비적 사항으로서, "서모그래프(thermograph)" 및 "서모그램(thermogram)"이라는 용어들은, 본원에서 상호 교환될 수 있으며, 둘 모두는 컬러, 색조, 그레이스케일 또는 다른 차별화된 마크가 특정 온도 또는 온도 범위를 나타내는, 적외선 카메라 또는 센서에 의해 획득된 표면 영역의 이미지들로서 해석되어야 한다.

검사 시스템

도 1을 참조하면, 정량적 적외선 서모그래피를 이용하여 복합재 구조물을 검사하기 위한 시스템(100)의 일 실시예가 도시되어 있다. 시스템(100)은 복합재로 제조될 수 있는 구조물의 표면 섹션(115)에 근접하게 위치되는 검사 장치(110)를 포함한다. 아래에 더 상세히 기술되는 상기 장치는 표면 섹션(115)을 가열하고, 가열되는 것에 반응하여 섹션(115)으로부터 방출되는 적외선 복사선을 검출 및 기록한다. 검사 장치(110)는 바람직하게는 무선으로, 그러나 선택적으로는 유선 접속에 의해, 컴퓨터 시스템(120)에 통신 가능하게 연결된다. 컴퓨터 시스템(120)은 검사 장치에 의해 기록된 데이터를 수신 및 처리하도록 동작 가능하고, 트레이닝 시스템(130)에 통신 가능하게 더 연결된다. 컴퓨터 시스템(120)은 결함 식별 및 정량화 모듈(defect identification and quantification module, IDQ)(122)에 대한 입력으로서, 검사 장치(110)로부터 수신된 데이터 및 트레이닝 시스템(130)으로부터 수신된 상관관계 정보를 사용하는데, 결함 식별 및 정량화 모듈(IDQ)(122)은 구조물 표면 상에서 식별된 임의의 결함에 대한 유형, 크기, 깊이, 방향 및 포획된 매질 정보를 제공하는 결함 정량화 보고서를 생성한다. 컴퓨터 시스템(120)은 충분한 프로세싱 및 메모리 자원(예를 들어, 단일 또는 멀티코어 프로세서 및 솔리드 스테이트 메모리)을 갖는 임의의 컴퓨팅 장치(현장에서의 검사 동안 쉽게 액세스될 수 있는 랩톱, 태블릿 또는 임의의 다른 컴퓨팅 장치를 포함)를 사용하여 현장에서 구현될 수 있다.

일 실시예에서, 트레이닝 시스템(130)은 적어도 하나의 프로세서 및 이미지 포착 장치를 포함한다. 이 장치는 제어된 열 및 환경 조건 하에서 기지의 샘플들로부터 열 이미지들을 획득한다. 상기 프로세서는 상기 샘플의 기지의 물질 특성 및 트레이닝 설정의 열적 및 환경적 파라미터에 기초하여, 열 이미지들을 특성화한다. 그에 의해, 열 이미지들을 물질 및 열적 파라미터들과 상관시키는 트레이닝 데이터베이스가 수집되고 저장된다.

다른 실시예에서, 트레이닝 시스템(130)은 수 개의 모듈들을 실행하도록 동작하는 적어도 하나의 프로세서를 포함한다. 이하에서 더 상세히 설명되는 바와 같이, 상기 모듈들은 상기 적어도 하나의 프로세서로 하여금 관련 입력들을 사용하여 모델링된 구조적 결함들의 세트를 생성하게 하는 코드를 포함한 결함 미세구조물 데이터베이스(DMDB) 모듈(132)을 포함하며, 해당 데이터베이스의 각각의 결함은 특정 유형, 크기, 깊이, 방향 및 포획된 매질을 갖는다. 결함들은 연관된 DMDB 데이터베이스에 저장된다. 트레이닝 시스템(130)은, 상기 적어도 하나의 프로세서로 하여금 DMDB 데이터베이스(132) 내의 미세구조 결함들의 가열에 대한 예측 반응들을 계산하는 수학적 시뮬레이션들을 실행하게 하고 각각의 미세구조물로부터 예측된 적외선 복사선 방출들의 가상 서모그래프들을 생성하게 하는 코드를 포함하는, 가상 서모그래프 데이터베이스(VTDB) 모듈(134)을 더 포함한다. 가상 서모그래프들은 VTDB 데이터베이스에 저장된다. 트레이닝 시스템(130)은 VTDB 모듈(134)에 의해 출력된 가상 서모그래프들을 DMDB 데이터베이스(132) 내의 결함들의 파라미터들에 상관시키기 위해, 신경망과 같은, 프로세서에서 구현될 수 있는 기계학습 알고리즘(예를 들어, 컴퓨터 코드)을 실행하는 전문가 시스템 모듈(136)을 더 포함한다. 최적화된 획득 파라미터(optimized acquisition parameter, OAP) 모듈(138)은, 검사되는 복합 물질의 특성과 환경 및 동작 조건들을 포함한 입력들에 기초하여, 상기 적어도 하나의 프로세서로 하여금 가열 모드, 가열 시간, 획득 시간, 열 플럭스 등과 같은 최적의 가열 파라미터들을 포함하는, 검사 장치(110)를 제어하기 위한 최적의 파라미터들을 자동으로 결정하게 하는 코드를 포함한다. 모듈들(132, 134, 136, 138)은 데이터를 생성하는 컴퓨터 프로그램 명령들을 실행하기 위한 프로세싱 자원들을 포함 및/또는 사용하고, 또한 생성된 데이터를 저장하기 위한 메모리 자원들을 이용할 수 있다. 트레이닝 시스템(130)에 의해 실행되는 모든 프로세스들은 실제 구조물의 검사 전에 실행될 수 있다.

트레이닝 시스템(130)을 위해 할당된 컴퓨팅 자원들은 단일 컴퓨팅 시스템 상에 또는 단일 설비에 함께 위치될 수 있거나, 또는, 다수의 컴퓨팅 시스템들에 걸쳐 그리고 단일 또는 다수의 설비들에 걸쳐 분산될 수 있다. 부가적으로, 트레이닝 시스템은 고정된 시스템들 상에서 호스팅될 수 있거나, 또는 가상 컴퓨팅 플랫폼 상의 클라우드 상에서 호스팅될 수 있다. 특정 실시예에서, 분산된 컴퓨팅 자원들은 하나 이상의 컴퓨팅 자원들로 하여금 컴퓨팅 자원들 중 다른 하나의 동작 상태의 기능 또는 특정 데이터로서 하나 이상의 동작들을 일시정지 또는 중단되게 하는 코드를 구현한다. 이러한 실시예에서, 동작 상태 업데이트 또는 특정 데이터의 관점에서 그러한 자원들 사이의 조정된 통신들에 응답하여 동작들을 제어함으로써 계산 자원들이 보존된다.

검사 장치

도 2a는 본원에 개시된 원리에 따른 검사 장치(200)의 일 실시예의 사시도이다. 장치(200)는 검사될 복합재로 제조된 파이프 구조물(205)에 부착된 것으로 도시되어 있다. 장치(200)는 특정 표면 섹션을 검사하기 위해 구조물(205) 상의 원하는 위치에 장치(200)를 견고하게 그리고 제거 가능하게 위치 및 부착시키는 데 사용되는 조절 가능한 지지 클램프(210, 220)를 포함한다. 클램프(210, 220)는 서로 다른 원주를 갖는 구조물들에 적용되도록 만곡(curved)된다. 클램프(210, 220)의 단부들은 각각의 흡입 패드(예를 들어, 212, 222)(구조물(205)의 반대측 패드는 도시되지 않음)에서 종결되거나, 또는 클램프 단부를 구조물(205)의 표면에 견고하고 제거 가능하게 부착하기 위한 다른 적합한 메커니즘에서 종결된다. 절반이 둘러싸인(semi-enclosed) 섀시 유닛(230)은 클램프(210, 220)에 결합되고 그 사이에 위치된다. 도시된 실시예에서, 섀시 유닛(230)은 아래에서 더 설명되는 바와 같이 검사를 위해 사용되는 구성요소들을 포함한다. 섀시 유닛(230)은 도시된 바와 같이, 바(bar) 요소들에 의해 클램프들(210, 220)에 고정적으로 부착될 수 있거나, 또는, 섀시 유닛(230)은 다른 구현예에서 클램프들에 제거 가능하게 연결될 수 있다.

도 2b는 본원에 개시된 원리들에 따른 검사 장치(250)의 다른 실시예의 사시도이다. 이 실시예에서, 클램프는 구조물(205) 주위로 더 연장되고 각각의 흡입 패드(예를 들어, 257, 262)에서 비슷하게 종결되는 슬라이드 가이드(255, 260)로 대체된다. 검사에 사용되는 구성요소들을 포함하는 섀시 유닛(265)은 제1 및 제2 측면 상에서 슬라이딩 요소(270, 275)에 연결된다. 도시된 실시예에서, 슬라이딩 요소(270, 275)는 각각의 슬라이드 가이드(255, 260)에 짝을 이루는 홈을 각각 갖는, 반원형 형상의 구성요소들로서 구현된다. 슬라이딩 요소(270, 275)는 기판(205)의 표면을 이동 가능하게 파지하는 휠들(272, 277)의 각각의 세트를 포함한다. 도시된 바와 같이, 섀시 유닛(265)은 슬라이드 가이드(255, 260)에 의해 제한되는 바와 같이 구조물 주위에서 원주방향으로 이동 가능한 슬라이딩 요소에 연결된다. 이는 섀시 유닛(265)이 슬라이딩 요소(270, 275)의 이동에 의해 원주방향으로 운반될 수 있게 한다. 휠들(272, 277)은 슬라이딩 운동을 작동시키기 위해 수동으로 또는 원격으로(전자적으로) 이동될 수 있고, 검사 장치(250)는 기판의 표면 상의 다수의 섹션을 순차적으로 검사하기 위해 원주 둘레로 자동으로 이동될 수 있다. 이는 운영자가 검사 장치(250)의 단일 구성 및 셋업을 사용하면서 구조물(205)의 넓은 영역을 스캔할 수 있게 한다.

도 2c는 구조물(205)을 따르는 장치(280)의 원주방향(회전) 및 종방향 이동(병진이동) 모두를 제공하는 본 발명에 따른 검사 장치(280)의 다른 실시예의 사시도이다. 섀시(282)는 슬라이딩 요소(284, 285)의 어느 일측에 연결되어 있다. 스프링 요소(286, 287)는 슬라이딩 요소(284)에 부착되고, 스프링 요소(288, 289)는 슬라이딩 요소(285)에 부착된다. 스프링 요소(286-289)는 토션(torsion) 스프링을 사용하여 구현될 수 있다. 스프링(286-289)은 검사 동안 구조물(205) 상의 특정 위치에서 섀시(282)를 고정하는 것을 보조한다. 래칭 암(latching arm)(291, 292)은 슬라이딩 요소(284)에 피봇 가능하게 연결되고, 래칭 암(293, 294)은 슬라이딩 요소(285)에 피봇 가능하게 연결된다. 휠들(예를 들어, 296, 297)은 각각의 슬라이딩 요소(284, 285)의 바닥에 연결되고, 휠들(예를 들어, 298, 299)은 래칭 암(291, 292, 293, 294)의 원위 단부(distal end)에 연결된다. 휠들(예를 들어, 296-299)은 바람직하게는 장치(280)가 구조물(205)에 대하여 원주방향 및 종방향 모두에서 수동 또는 원격으로(전자적으로) 이동할 수 있게 하는, 축 상에서 슬라이딩 및 회전할 수 있는 옴니바퀴(Omniwheel)를 사용하여 구현되는 것이 바람직하다. 또한, 이러한 실시예는 운영자가 검사 장치(250)의 단일 구성 및 셋업을 사용하면서 구조물(205)의 넓은 영역들을 스캔할 수 있게 한다.

도 3은 능동 적외선 서모그래피를 사용하여 복합재 구조물의 검사를 수행하기 위해 장치(200, 250, 280)에서 구현될 수 있는 섀시 유닛(300)의 구성요소들의 실시예를 나타내는 개략도이다. 능동 서모그래피는 결함 바로 위의 표면 온도와 주변 온도 사이의 차이를 생성하기 위해 검사 영역의 표면을 가열하는 단계를 포함한다. 상기 가열은 상기 표면의 소정 깊이 내에서 내부 열 플럭스(heat flux)를 생성한다. 표면 아래의 결함은 열 확산에 영향을 주고, 표면으로부터 방출된 적외선 복사선 내에서 반사되는, 대응하는 열적 대비(thermal contrast)를 생성한다. 물질 내에서의 열의 확산을 차단하고 늦추는 결함들은, 획득된 적외선 복사선이 시간에 따라 변화하는 방식에 의해 검출된다. 전형적으로, 표면 아래의 결함들은 결함 바로 위의 표면이 주변 영역들과 상이한 속도로 냉각되게 한다.

도 3을 참조하면, 섀시 유닛(300)은 절반이 둘러싸여 있고(semi-enclosed), 구조물 표면을 마주하는 상기 유닛의 측면은 가열 장치(310) 및 적외선 카메라(320)가 하우징의 내부(enclosure)로부터 표면을 향해 외측으로 연장되는 것을 허용하도록 적어도 부분적으로 개방된다. 가열 장치(310)는 검사 동안에 상기 표면의 한 섹션을 향해 복사선을 방출하도록 작동될 수 있다. 적외선 카메라(320)는 가열에 반응하여 표면으로부터 다시 방출되는 적외선 복사선을 검출하도록 작동될 수 있다. 일부 실시예에서, 적외선 카메라(320)는 스펙트럼 범위가 3.0 내지 5.0 μm내에 있고, 320 × 240의 최소의 적외선 픽셀들 및 20 mK이하의 감도를 가진다. 가열 장치(310) 및 적외선 카메라(320) 모두는 구조물의 표면으로부터 특정 거리에서 작동된다. 도 4a는 가열 장치(310) 및 적외선 카메라(320)의 일 구현예의 개략도이다. 이 도면에서, 가열 장치(310)는 구조물(415)의 표면 영역을 커버하기 위하여 원추형 복사선(412)을 방출하도록 서로 인접하여 배치된 2개의 가열 램프(405, 410)를 포함한다. 복사선은 구조물(415)의 표면 아래에 열 플럭스(420)를 야기하고, 적외선 카메라(320)는 표면으로부터 방출된 적외선 복사선(425)의 최적의 강도를 수용하도록 중앙에 배치된다. 예시적인 결함(430)이 표면(415) 아래의 어느 깊이에 위치하는 것으로 도시되어 있다. 가열 장치(310)는 가열 장치(310)에 의해 방출되는 강한 복사선에 대한 보호물로서 후드(435)를 더 포함할 수 있다. 적외선 카메라(320)는 방출된 적외선 복사선의 획득을 최적화하도록 조정될 수 있고, 가열 램프(405, 410) 사이에서 중앙에 위치되거나(도 4a에 도시된 바와 같음), 도 3에 도시된 바와 같이 가열 요소에 인접하여 위치될 수 있으며, 검사되는 구조물의 표면에 대해 다양한 각도로 배향될 수 있다.

다시 도 3을 참조하면, 섀시 유닛(300)은 가열 장치(310) 및 적외선 카메라(320)를 제어하도록 동작 가능한 컨트롤러(330)(예를 들어, 마이크로컨트롤러 또는 프로세서)를 더 포함한다. 컨트롤러(330)는 메모리 유닛(340)과, (도 1의) 컴퓨터 시스템(120)에 통신 가능하게 연결된 송수신기(350)에 더 연결된다. 송수신기(350)는 검사 장치와 온라인 컴퓨터 시스템(120) 간의 양방향 데이터 전송을 달성하기 위해 Wi-Fi, RF 및 지그비(Zigbee) 프로토콜을 포함하는 다양한 통신 모드를 사용하여 통신을 수행할 수 있다.

도 15a는 도 2a 내지 도 2c에 대하여 위에서 설명된 장치들이 어떻게 현장에서 사용될 수 있는지를 도시한 예시적인 사시도이다. 도시된 바와 같이, 본 발명에 따른 예시적인 장치(1500)는 열적 검사를 수행하기 위해 파이프(1510)의 원주 상에 위치된다. 상기 장치는 파이프를 따른 길이방향으로 수동 또는 자동으로 장치가 이동함에 따라, 파이프의 각각의 길이방향 섹션을 얻는다. 도 15b는 파이프 생산 라인 동안 검사를 위한 대안적인 배열을 도시하는 예시적인 사시도이다. 도시된 바와 같이, 파이프(1520)는 화살표에 의해 도시된 길이방향으로 생산라인을 따라 이동한다. 파이프가 길이방향으로 이동하기 때문에, 포괄적인 검사 적용 범위를 얻기 위해 파이프(1520)의 원주 둘레를 회전할 수 있는 카메라를 구비하면서 검사 장치(1530)는 길이방향에 대해 고정될 수 있다.

적외선 서모그래피에 사용되는 가열 램프는 대개, 제논(xenon) 플래시튜브를 사용한다. 동작 동안, 램프들(405, 410)은 컨트롤러(330)로부터의 트리거 신호들에 응답하여 빛의 플래시를 생성한다. 상기 램프들(405, 410)을 활성화시킨 후에, 컨트롤러(330)는 검사되는 표면의 가열되는 부분의 복사선 방출들의 연속적인 디지털 이미지들을 주기적으로 포착하기 위해 적외선 카메라(320)를 활성화한다. 적외선 카메라(320)는 표면 상에서 적절한 초점을 달성하도록 카메라 및 검사되는 표면 사이의 각도와 거리를 변화시키기 위해 컨트롤러(330)에 의해 동작되는 모터에 연결될 수 있다. 적외선 카메라(320)에 의해 생성된 디지털 이미지 데이터는 메모리 유닛(340)으로 전달되어 메모리 유닛(340)에 저장될 수 있다. 컨트롤러(330)는 디지털 이미지 데이터를 메모리 유닛(340)으로부터 컴퓨터 시스템(120)으로 전송하기 위해 송수신기(350)를 이용한다. 컨트롤러(330)는 컴퓨터 시스템(120)으로 전송하기 전에, 디지털 이미지 데이터의 특정한 전처리(pre-processing)를 더 수행할 수 있다. 예를 들어, 검사 장치가 이동되고 인접한 표면 섹션들로부터 이미지들이 포착될 때, 컨트롤러(330)는 데이터를 개별 이미지 프레임들로 포맷화할 수 있다. 또는, 이러한 예비 이미지 처리는 컴퓨터 시스템(120)에서 수행될 수 있다.

적외선 서모그래피로 알려진 여러 능동 적외선 여기(excitation) 방법들 중, 펄스 서모그래피 및 위상잠금(lock-in) 서모그래피가 널리 사용되어 왔다. 도 4b는 시간에 따라 제공되는 활성화 복사선의 진폭(강도)(상) 및 시간에 따른 표면으로부터 방출된 적외선 복사선의 진폭(하)이다. 도시된 바와 같이, 펄스 서모그래피에서는, 짧은 기간에 걸친 고에너지의 펄스가 표면에 인가되고, 상기 표면으로부터 다시 방출되는 적외선 복사선의 진폭은 갑자기 상승된 후 능동 펄스가 종료하자마자 떨어지기 시작한다. 결함의 존재는 표면으로부터 방출된 적외선 복사선의 진폭이 감소하는 상대적으로 더 느린 속도(즉, 표면이 냉각되는 것보다 더 느린 속도)로 나타난다. 도 4c는 연속적인, 예를 들어 사인파 활성화 및 대응하는 사인파 적외선 응답을 도시한, 진폭 대 시간의 비슷한 그래프이다. 도시된 바와 같이, 위상잠금 서모그래피에서, 결함의 존재는 진폭 응답에서의 차이로 도시되지 않고, 오히려 입력된 활성화 에너지와 표면 온도 반응 사이의 위상 이동(phase shift)으로 표시된다. 위상잠금 서모그래피의 위상 분석은 펄스 서모그래피와 비교하여 조명(illumination) 또는 표면 복사율(emissivity)의 국부적 변화에 덜 민감하다는 이점을 갖는다. 그러나, 펄스 서모그래피 및 위상잠금 서모그래피 뿐만 아니라 다른 여기 방법이 사용될 수 있다.

일부 구현예에서, 레이저 열 검출은 구조물의 표면 온도를 측정하고/하거나 열원을 보정하기 위해 사용될 수 있다. 레이저 온도계의 기록은 검사 장치를 실시간으로 자동 보정하기 위해 사용될 수 있다.

주기적인 열 활성화 및 적외선 이미지 데이터의 획득을 사용하여 복합재 구조물의 검사가 수행됨에 따라, 컨트롤러(330)는 바람직하게는 결함의 분석 및 식별을 위해 컴퓨터 시스템(120)에 대해 비디오 스트림으로서 실시간으로 무선으로 디지털 이미지 데이터를 수신하고 전송한다.

서모그래피 트레이닝 방법(직접 방법)

일 실시예에서, 열 이미지들의 트레이닝 데이터베이스는 실험실과 같은 제어된 설정에서 가열되는 기지의(known) 샘플들로부터의 열 이미지들을 획득함으로써 직접적으로 획득된다. 기지의 샘플들의 열 및 구조적 특성과 관련하여 기록된 샘플들로부터 획득된 이미지들은 내부의 트레이닝 데이터베이스를 생성한다. 그 후, 트레이닝 데이터베이스 내의 데이터 기록들은 온도 및 물질 특성들에 기초하여 서브세트들로 분류될 수 있다. 도 16a는 트레이닝 데이터베이스를 생성하기 위해 샘플로부터의 열 이미지들을 포착하는 데에 사용되는 장치(1600)의 말단부를 도시하는 사진이다. 파이프(1605)의 샘플 섹션은 샘플을 둘러싸기 위해 각각의 원형 레일(1620, 1625) 상에서 원주방향으로 위치된 가열 요소들(1610, 1615)에 의해 둘러싸인 것으로 도시되어 있다. 이러한 배열에서, 가열 요소들(예를 들어, 1610, 1615)은 완전한 360도에 걸쳐 샘플(1605)의 표면을 커버할 수 있고, 대체로 균일한 등방(isotropic) 방식으로 샘플의 표면을 가열할 수 있다. 적외선 카메라(1630)는 원형 슬라이더 레일(1635) 상에 슬라이딩 가능하게 위치된다. 슬라이더 레일(1635)은 샘플(1605)을 직접 향하도록 축방향으로 위치될 수 있는 베이스(1637)를 가진다. 그 후에, 카메라는 슬라이더 레일(1635)을 따라 샘플에 대해 임의의 방사상 위치로 회전될 수 있다. 도 16b는 대략 2시 정각 방사상 위치에서 샘플(1605)에 대하여 최적으로 위치된 적외선 카메라(1630)를 도시하는 사진이다.

도 17은 트레이닝 시스템(1700)의 전체적인 개략도이다. 샘플(1705)은 360도 방식으로 샘플을 둘러싸도록 원형 레일(1717)을 따라 원주방향으로 위치된 가열 요소들(1710, 1715)에 의해 가열된다. 적외선 카메라(1720)는 가열된 샘플로부터의 열 이미지들을 포착하고, 트레이닝 데이터베이스 내의 열 이미지들을 분석 및 분류하는 컴퓨터 시스템(1725)에 상기 이미지들을 디지털 데이터로서 전달한다. 열 이미지들을 기지의 샘플의 물질 파라미터들 및 기지의 실험적 트레이닝 프로시저의 열 파라미터들과 상관시키는, 트레이닝 데이터베이스가 생성된다.

도 18은 본 발명의 일 실시예에 따른 트레이닝 데이터베이스를 사용하여 복합재 구조물을 검사하기 위한 방법의 흐름도이다. 방법이 단계(1800)에서 시작된 이후, 적외선 카메라를 사용하여 검사될 구조물의 일 섹션이 단계(1802)에서 준비된다. 상기 섹션은 단계(1804)에서 가열되고, 온도 및 광 조건들이 자동으로 검출된다(단계 1806). 다음 단계(1808)에서, 적외선 카메라와 상기 섹션 사이의 평균 거리가 측정되고, 그 후, 단계(1810)에서 적외선 카메라에 의해 상기 섹션의 전체 원주를 커버하는 몇 개의 이미지들을 포착하는 단계가 뒤따른다. 그 후, 단계(1812)에서, 상기 포착된 이미지들은 실제 치수들 및 위치들을 나타내도록 매칭되고 포맷팅된다. 단계(1814)에서, 상기 포착된 이미지들은 트레이닝 데이터베이스 내의 이미지들과 매칭되고, 이러한 매칭 및 비교를 통해, 카메라와 상기 섹션 상의 각각의 표면 지점 사이의 거리가 측정된다. 단계(1816)에서, 상기 표면 지점 거리가, 트레이닝 데이터베이스의 데이터로부터 예상되는 평균과 다른 지 여부가 판단된다. 만일 다른 경우, 단계(1818)에서 상기 결과가 필터링되고, 단계(1820)에서 문제의 표면 영역을 마킹하도록 현장 검사자에게 경보가 전달된다. 만일 표면 지점 거리가 예상과 다르지 않다면, 단계(1822)에서, 검사는 구조물의 다른 섹션으로 이동한다. 이러한 프로세스는 전체 구조물이 검사될 때까지 반복된다(단계 1824). 단계(1826)에서는, 검사의 데이터 및 발견을 포함하는 보고서가 생성된다. 단계(1828)에서는, 방법이 종료한다.

서모그래피 트레이닝 방법(가상 방법)

다른 실시예에서, 유한 요소에 기초한 가상 트레이닝 방법이 사용될 수 있다. 도 5는 본원에 개시된 트레이닝 방법(500)의 일 실시예의 개략적인 흐름도이다. 트레이닝 방법은 여러 구분되는 절차들을 포함한다: i) 사용자 인터페이스를 통해 운영자에 의해 관련 데이터를 입력(510); ii) 내부 파라미터들의 자동화된 구성(520); iii) 집적된 결함들을 갖는 표현 미세구조물들의 데이터베이스(DMDB)를 생성(530), iv) 데이터 획득을 위한 검사 장치의 최적의 셋업 파라미터들을 결정(540); v) 시뮬레이션에 의한 가상 서모그래프 데이터베이스(VTDB)를 생성(550); 및 vi) DMDB의 미세구조물들과 시뮬레이션에 의해 생성된 VTDB의 서모그래프들 간의 상관관계들을 결정하기 위해 전문가 시스템을 트레이닝(560). 각각의 절차 (i) 내지 (vi)은 차례로 설명된다. 그러나, 다른 실시예에서, 이러한 절차들의 서브세트가 본원에 개시된 원리들로부터 벗어나지 않고 수행될 수 있음을 유의해야 한다.

도 6은 위에서 개략된 트레이닝 방법의 처음 3개의 절차(510, 520, 530)의 일 실시예의 개략도이다. 단계(510)에 도시된 바와 같이, 특정 결함들을 포함하는 표현 미세구조물(representative microstructure)들의 세트를 모델링 및 저장하기 위해, 물질, 구조적 및 환경적 특성을 포함한 입력들이 운영자에 의해 트레이닝 시스템(130)에 입력된다. 가능한 물질 특성은, 수지(resin) 및 섬유질(fiber) 열 전도도, 비열, 섬유질 체적 함량, 공극도, 플라이(ply) 두께, 성층(layup) 순서, 플라이 당 섬유질 방향, 내부 및/또는 외부 코팅 두께와 같은, 그러나 이에 제한되지 않는 파라미터들을 포함한다. 입력된 구조물 특성은 물질의 직경 및 두께를 포함한다. 환경 및 동작 특성은 작동 압력, 수송되는 유체 온도 및 유속, 주변 온도, 및 검사되는 구조물에 근접한 고온 지점들과 같은, 그러나 이에 제한되지 않는 파라미터들을 포함한다. 또한, 운영자 입력은 각각의 미세구조물에 대한 결함 유형 및 포획된 매질을 설정한다. 가능한 결함 유형은 박리, 단일 공극, 모재 크랙, 섬유질-모재 분리, 다중 공극, 및 구멍을 포함한다. 포획된 매질은, 대개 공기, 물 또는 오일인, 결함 내에 포획된 유체 또는 기체를 구성한다. 제시된 파라미터들은 예시적이며, 운영자에 의해 트레이닝 시스템에 입력될 수 있는 모든 파라미터들 또는 유형들의 포괄적인 목록을 구성하지는 않는다.

트레이닝 시스템의 운영자들에 의해 입력된 파라미터들에 부가하여, 트레이닝 시스템은 단계(520)에서 내부 파라미터들을 생성한다. 내부 파라미터들은 열 시뮬레이션 모델을 초기화 및 구성하기 위해 사용되고, 다른 내부 파라미터들 중에서, 시간에 따른 물질 표면 상의 열 플럭스, 결함 크기에 대한 증분(increment), 깊이 위치, 최소 및 최대 결함 크기, 최소 및 최대의 평면 외(out-of-plane) 크기, 최소 및 최대 깊이, 메쉬 분리(mesh discretization), 및 결함 파라미터들에 대한 경계를 설정하기 위한 다른 임계치들 중으로부터 선택된 것을 포함할 수 있다. 내부 파라미터들은 운영자에 의해 수정될 수 있다.

결함 미세구조물 데이터베이스(DMDB) 모듈(132)은, 단계(530)에서, 운영자 입력을 사용하고 내부적으로 파라미터들을 생성하여, 본원에서 미세구조물들(예를 들어, 610, 612)로 지칭되는 다수(N)의 작은 구조적 요소들의 모델을 포함하는 데이터베이스(DMDB)(605)를 생성하는데, 각각의 미세구조물은 특정 파라미터들 및 적어도 하나의 집적된 결함을 갖는다. 상기 개수(N)는 증분 크기에 대한 제어를 통해 운영자에 의해 제어될 수도 있다. 일부 구현예에서, N은 1,000 내지 50,000의 범위이다. 그러나, 더 많거나 더 적은 수의 미세구조물들이 생성될 수 있다. "표현 체적 요소(representative volume element, RVE)"라고 불리는, 데이터베이스의 각각의 엔트리는 8개의 성분들의 벡터 V_k[a_k, b_k, c_k, z_k, θ_k, φ_k, D_k, M_k]로서 파라미터화될 수 있는데, z_k는 k번째 RVE의 (검사 평면에 수직하는) 평면 외 방향에서의 결함 중심에 대한 좌표이고, a_k, b_k 및 c_k는 k번째 RVE 내에서의 결함의 공간 좌표들이며, θ_k 및 φ_k는 결함의 평면 및 검사 평면 사이의 각도들이고, D_k는 결함 유형이며, M_k는 결함 내에 포획된 매질의 유형이다. 도 7a는 결함 미세구조물 데이터베이스(DMDB)에 저장된 예시적인 RVE 결함의 개략도이다. 결함(700)은, z_k가 복합재 두께에 걸친 결함의 중심의 위치를 정의하고, a_k, b_k 및 c_k가 결함의 길이, 폭 및 두께를 정의하며, 절단면 A 및 B의 각도 θ_k 및 φ_k가 복합재 구조물의 표면(검사 평면)에 대한 결함의 위치 및 방향을 정의하는 타원체(ellipsoid)로서 모델링된다. 도 7a에 도시된 실시예에서, 결함은 파라미터(D_k)에 의해 표시되는 분리된 박리층(delamination)이고, 포획된 매질은 파라미터(M_k)에 의해 표시되는 공기이다. 상기 모델은 결함들의 기하학적 형상을 어느 정도 단순화하지만, 실제 생성되는 위치, 크기, 결함 유형 및 포획된 매질의 많은 수 및 변형에 의해 복합재 구조물들에서 발생하는 전형적인 결함들이 커버되고 적절히 표현된다.도 7b는 상기 검사 평면에 대해 상기 RVE의 제1 방향각(θ_k)을 나타내는, 축(A)을 따른 RVE(700)의 단면도이다. 도 7c는 상기 검사 평면에 대해 상기 RVE의 제2 방향각(φ_k)을 나타내는, 축(B)을 따른 RVE(700)의 유사한 단면도이다.

트레이닝 방법(500)의 단계(540)에서, 최적화된 획득 파라미터(OAP) 모듈(138)은 물질 특성 및 동작 조건을 포함하는 운영자 입력뿐만 아니라 내부적으로 생성된 파라미터들을 사용하여, 검사 장치를 구성하기 위한 최적의 적외선 서모그래피 파라미터들을 결정한다. 도 8은 OAP 결정 방법(540)의 흐름도이다. 제1 단계(810)에서, DMDB가 탐색되고, 가장 작은 그리고/또는 가장 깊은 결함을 갖는 RVE가 선택된다. 단계(820)에서, OAP 모듈(138)은 초기 파라미터들 - 여기서는 트레이닝 방법의 단계(520)에서 생성된 가열 플럭스(ΔH_f), 가열 주기(ΔH_p), 가열 모드(예를 들어, 연속된, 변조된, 펄스의) 및 카메라 획득 시간(Δt)에 대한 파라미터들 - 을 사용하여 상기 선택된 RVE의 열 시뮬레이션 모델에 대한 초기 조건 및 경계 조건을 결정한다. 그러나, 가열 파라미터들은 가열 모드(예를 들어, 플래시, 펄스, 연속)에 따라 달라질 것임에 유의해야 한다. 예를 들어, 펄스 모드에서는, 가열 펄스의 주파수가 하나의 제어되는 파라미터일 것이다.

단계(830)에서는, DMDB(가장 작고 가장 깊은 결함) 중 열적으로 가장 덜 반응하는 RVE의 열적 반응에 대한 분석이 수행된다. 일부 구현예에서, 열 시뮬레이션은 유한 요소 해석을 이용한다. 통상의 기술자에 의해 이해되는 바와 같이, 유한 요소 해석은 편미분 방정식들을 포함하는 물리계에 대한 경계값 문제들에 대해 근사적 해를 찾는 방법이다. 열 흐름은 이러한 유형의 편미분 방정식들에 의해 특징지어지고, 유한 요소 해석은 종종 이 분야에서, 해(solution)를 제공하는 데에 사용된다. 유한 요소 해석은 복잡한 문제를 작은 요소들로 나누는 메쉬(mesh) 생성 기술의 사용뿐만 아니라, 전체 도메인에 대한 광역(global) 해와, 각각의 유한 요소들에 대한 방정식들의 세트에 대한 해를 결정하는 유한 요소 시뮬레이션의 사용을 포함한다. 상기 선택된 열적으로 가장 적게 반응하는 RVE의 열 시뮬레이션을 완료한 이후, 단계(840)에서, OAP 모듈(138)은 데이터 획득 동안 최대의 온도 대비를 달성하기 위해, 상기 설명된 실시예에서, 입력 파라미터들 및 열 해석에 기초하여, ΔH_f, ΔH_p, Δt 파라미터들과 같은, 그러나 이에 제한되지 않는 새로운 최적화된 가열 파라미터들을 결정한다.

가열 파라미터들의 최적화는 반복적이며, 상기 방법은 최적화된 값을 출력하기 전에 소정 수의 반복(iteration)을 수행한다. 따라서, 단계(850)에서는, 수행되는 반복 횟수가 선택 가능한 임계치(MaxIterations)에 도달했는지 판단된다. MaxIterations에 도달하지 않았다면, 상기 프로세스는 단계(840)로부터 단계(820)로 되돌아간다. 또는, MaxIterations에 도달한 경우, 단계(860)에서는 상기 결정된 최대의 온도 대비(ΔT)에 대한 값이 적외선 카메라 감도보다 낮은지 판단된다. 만일 ΔT가 카메라 감도보다 낮으면, 단계(870)에서 OAP 모듈(138)은 1) 주어진 깊이에 대해 검출 가능할 것으로 예상되는 가장 작은 직경; 2) 주어진 깊이에 대해 검출 가능한 가장 작은 예상 두께, 및 3) 주어진 결함 직경에 대한 결함의 폭(breadth) 내에서 검출 가능한 최대의 예상 깊이를 출력한다. 만일 ΔT가 임계값을 초과하면, 단계(880)에서, OAP 모듈은 상기 방법의 마지막 반복으로부터 가열 파라미터들(예를 들어, 가열 모드, ΔH_f, ΔH_p, Δt)에 대한 현재의 최적화된 값들을 출력한다.

도 5를 참조하면, 단계들(510, 520, 530 및 540)에서 입력되거나 생성된 축적된 데이터는 단계(550)에서 입력으로서 사용되고, 단계(550)에서는 가상 서모그래프 모듈(134)이 DMDB 내의 각각의 요소(N)에 대해 '가상' 서모그래프들을 출력하는 과도 열 해석(transient thermal analysis, TTA) 시뮬레이션을 실행한다. 보다 구체적으로, 도 9에 개략적으로 도시된 바와 같이, TTA 시뮬레이터는 결함이 있는 미세구조물 데이터베이스(910)의 모든 요소들과 함께, 운영자 입력, 내부적으로 생성된 파라미터들, OAP 모듈의 경계 조건들 및 출력의 조합("조합된 입력")을 입력으로서 수신한다. TTA 시뮬레이션은 유한 요소 해석을 이용하여 구현될 수 있는 파라메트릭(parametric) 수학 모델이다. 이러한 유한 요소 해석에서, DMDB(910)에 포함된 N개의 RVE에 대응하여 N개의 개별 분석이 수행된다. 각각의 유한 요소 해석의 출력은 구조적 요소의 외부 표면의 과도 '가상' 서모그래프, 즉 시간에 따른 표면의 열 응답을 도시하는 그래프들의 세트이다. 일반적으로, 유한 해석의 예상 정확도는 DMDB(910) 내의 요소들의 수(즉, N의 값)에 의존하며, N의 더 높은 값은 예측 정확도를 향상시킨다.

서모그래프 데이터는 가상 서모그래프 데이터베이스(VTDB)(940)에서 행렬(F_ijk)로서 출력 및 포맷화되는데, i는 i번째 카메라 픽셀 요소를 나타내고, j는 j번째 시간 증분을 나타내며, k는 k번째 RVE를 나타낸다. 도 10a는 행렬(F_ijk)의 데이터 구조의 예시를 제공한다. 도면에서, F_ij1은 첫 번째 RVE(k= 1)에 관련된 행렬의 모든 성분을 나타낸다. 성분 F_i11은 F_ij1 내에서 네스팅(nested)되는데, F_i11 내에는 차례대로, F₁₁₁부터 F_n11까지의 네스팅된 성분들이 존재한다. 성분들(F₁₁₁ 내지 F_n11)은 제1 RVE(j=1, k=1)에 대한 제1 시간 증분 동안에 기록된 모든 픽셀들을 나타낸다. 따라서, N개의 RVE 각각에 대해, 관련된 m개의 시간 증분들이 존재하고, 각각의 시간 증분 동안, n개의 픽셀 값이 생성된다. 도 10b는 주어진 시간 증분에서의 서모그래프의 개략적인 사시도로서, 주어진 RVE에 대한 서모그래프가 m개의 서모그래프들의 블록으로서 고려될 수 있는 방식을 나타내며, 각각의 서모그래프는 n개의 픽셀들을 갖는다. 예상할 수 있는 바와 같이, 고해상도 시뮬레이션은 대량의 데이터를 생성할 수 있다. 그러나, 트레이닝 시스템(130)이 분석을 오프라인으로 수행함에 따라, 과도 열 해석에 할당될 수 있는 자원들에 대한 고정된 한계는 없다. 또한, 특정 시나리오에서 자원들 또는 효율이 제한되는 경우, 운영자에 의해 해상도 수준이 변경될 수 있다.

충분한 정밀도 및 정확도의 서모그래프들의 데이터베이스를 사용함으로써, 구조물 내에 존재하는 임의의 결함들을 식별하기 위해, 현장에서의 검사 실행(run) 동안 획득되는 복합재 구조물의 서모그래프들을 데이터베이스 내의 서모그래프들과 비교할 수 있다. 그러나, 매칭을 위해 이미지들 전체를 비교하는 것은, 그리고 시간에 따른 이미지들의 변화(과도 응답)를 비교하는 것은, 계산 비용이 많이 든다. 이러한 문제를 해결하는 한 가지 방법은 가상 서모그래프들을 그들이 도출된 RVE의 파라미터들과 상관시키도록 시스템을 트레이닝시키는 것이다. 이런 식으로, 서모그래프들이 현장에서 획득될 때, 이들은 이미지 데이터베이스를 통한 탐색이 필요없이 분석될 수 있다.

따라서, 트레이닝 방법의 단계(560)에서, 전문가 시스템은 가상 서모그래프 데이터베이스의 이미지들을 그들이 도출된 RVE의 파라미터들과 상관시키기 위해, 기계학습 프로세스에 의해 트레이닝된다. 일부 구현예에서, 트레이닝 시스템(130)의 전문가 시스템 모듈(136)은 기계학습 기술로서, 도 11에 도시된 신경망 알고리즘을 이용한다. 신경망(1100)은 입력층(1110), 하나 이상의 은닉층(1120) 및 출력층(1130)을 포함한다. 입력층(1110)은 특정 시간 증분에서의 주어진 RVE에 대한 VTDB의 가상 서모그래프의 모든 픽셀들을 포함하고, 출력층(1130)은 위치, 방향, 결함 크기, 결함 유형 및 포획된 매질을 포함하는, 동일한 RVE에 대한 파라미터들을 포함한다. 신경망은 하나 이상의 은닉층(1120)을 사용하여 입력층(1110)을 출력층(1130)에 상관시킨다. 입력층(1110) 내의 입력들 각각은 은닉층(들)(1120) 내의 계수 인자들에 의해 곱해져서 출력층(1130)을 산출한다. 은닉층들(1120)의 계수들은 비용 함수가 최소화되는 역전파 프로세스에 의해 결정된다. 이는 가상 서모그래프들과 RVE 파라미터들 간의 최적화된 상관관계를 산출한다. 전문가 시스템 모듈(136)은 부가적인 사용을 위해 상기 계수들을 저장한다. 전문가 시스템 트레이닝이 완료된 후에, 트레이닝 방법은 단계(570)에서 종료된다.

실시간 검사 방법

온라인 컴퓨터 시스템(120) 및 검사 장치(110)에 의해 각각 수행되는 실시간 검사 방법(1200)의 서브-부분들의 흐름도가 도 12에 도시되어 있다. 전술한 바와 같이, 전문가 시스템은 원격 위치된 시설에서 현장 외(off-site) 생성 및 저장된다. 현장의 운영자가 전문가 시스템을 활용할 수 있는 구조물 검사를 수행하려면, 현장(onsite)의 위치에서 전문가 시스템에 대한 액세스가 필요하다. 제1 단계(1205)에서, 운영자는, 온라인 컴퓨터 시스템을 이용하여 네트워크를 통해 전문가 시스템 서버에 로그인함으로써, 또는, 전문가 시스템 알고리즘 및 저장된 데이터를 트레이닝 시스템(130)으로부터 온라인 컴퓨터 시스템(120) 상에 직접 다운로드함으로써, 전문가 시스템에 대한 액세스를 획득한다. 부가적으로, 전문가 시스템은 플래시 드라이브와 같은 저장 매체를 사용하여 다운로드될 수 있다. 단계(1210)에서, 온라인 컴퓨터 시스템은 트레이닝 시스템(130)의 OAP 모듈(138)로부터의 최적화된 획득 파라미터들을 업로드한다. 다음 단계(1215)에서, 온라인 컴퓨터 시스템(120)은 최적화된 획득 파라미터들을 검사 장치(110)의 송수신기(350)에 전송한다.

단계(1255)에서, 검사 장치(110)는 온라인 컴퓨터 시스템(120)으로부터 최적화된 획득 파라미터들을 수신한다. 획득된 파라미터들을 사용하여, 단계(1260)에서, 검사 장치(110)의 컨트롤러(330)는 가열 장치(310) 및 적외선 카메라(320)를 동작시키기 위한 가열 및 획득 파라미터들을 구성한다. 구성 이후, 검사 장치는 검사 장치 전체로서 주어진 하드웨어 능력에 대한 최대 감도를 갖도록, 적외선 카메라의 검출 능력 내에서 가장 작은 그리고 가장 깊은 결함에 대해 복사선을 인가하고, 적외선 복사선을 포착하도록 구성된다. 단계(1265)에서, 검사 장치는, 검사되는 표면의 섹션이 가열 장치(310)에 의해 가열되고, 적외선 카메라(320)에 의해 적외선 복사선이 획득되는 검사를 수행한다. 검사 동안, 검사 장치는 구조물의 특정 영역을 검사하기 위한 위치에 고정될 수 있거나, 검사 장치는 특정 궤도에서 이동하여 구조물의 서로 다른 영역들 또는 전체 표면을 검사하도록 제어될 수 있다. 실시간 또는 대략 실시간으로, 단계(1270)에서, 컨트롤러는 적외선 카메라에 의해 획득된 적외선 복사선 데이터를 컴파일하고, 송수신기(350)를 통해 컴퓨터 시스템(120)으로 서모그래프 형태의 데이터를 전송한다.

보다 구체적으로, 임의의 주어진 길이방향 위치에 대해, 다양한 고해상도 열 이미지들이 구조물 섹션의 전체 원주를 커버하도록 다양한 방사상 위치에서 포착될 수 있고, 펼쳐진 구조물을 나타내는 하나의 이미지를 형성하도록 개별적인 방사상 이미지들이 함께 매칭된다. 부가적인 처리 및 스크리닝을 위해 이미지들에 손상 마커가 부가될 수 있다.

컴퓨터 시스템(120)은 단계(1220)에서 서모그래프들을 수신하고, 단계(1225)에서는 획득된 서모그래프들에 기초하여 검사되는 구조물 내의 결함의 실시간 정량화를 수행한다. 단계(1225)는 도 13에 개략적으로 도시되어 있으며, 전문가 시스템(1320)에 입력되는 서모그래프(1310)를 도시한다. 이 경우에 전문가 시스템(1320)은(트레이닝 시스템(130)과는 반대로) 컴퓨터 시스템(120) 상에서 실행되는 모듈이고, 전술한 바와 같이, 전문가 시스템 서버의 클라이언트, 또는 트레이닝 시스템(130)의 전문가 시스템 모듈(136)의 양태들을 에뮬레이션하는 컴퓨터 시스템(120) 상에서 실행되는 소프트웨어 모듈을 나타낼 수 있다. 일부 구현예에서, 전문가 시스템(1320)은 트레이닝 시스템(130)으로부터 업로드된 전문가 시스템 모듈(136)의 복사본일 수 있다. 전문가 시스템(1320)은 트레이닝 시스템(130)으로부터 획득된 상관관계들을 상기 획득된 서모그래프들에 적용하고, 도 7을 참조하여 전술한 요소들을 포함하는 결함 파라미터 벡터를 출력한다. 결함 파라미터 벡터는 그 유형, 크기, 깊이, 방향 및 포획된 매질의 관점에서 결함을 식별한다. 그 다음, 단계(1230)에서, 온라인 컴퓨터 시스템은 실시간으로 획득된 서모그래프들 및 임의의 검출된 결함들의 특성을 포함하는 결함 정량화 보고서를 생성한다. 결함은 분류, 1차원에서의 깊이, 2차원에서의 면적, 또는 3차원에서의 부피의 관점에서 특성화될 수 있다.

정량화 보고서는 또한, 축 위치, 검사의 시작 참조점, 구조물 내의 손상 위치의 방사상 위치 및 깊이를 포함하는, 결함의 위치의 3차원 렌더링을 포함할 수 있다.

정량적 적외선 서모그래피를 사용하여 구조물을 검사하기 위한 개시된 장치, 시스템 및 방법은 몇 가지 유리한 특징을 제공한다. 상기 시스템 및 방법은, 일부 실시예에서, 검사 장치가 검사되는 구조물을 따라 그리고 그 주위에서 자동으로 이동할 수 있는 것으로 구현되기 쉬어, 수동적인 검사 절차를 감소시킨다. 또한, 검사 장치의 실시예는 검사되는 구조물들 상에서 신속하게 진행되도록 설계되어, 검사 프로세스에서의 간섭들을 더 감소시킨다. 개시된 시스템은 또한 실시간으로 검사 결과를 전달하여, 심각한 결함을 제거하기 위한 구제 조치를 현장에서 개시할 수 있게 한다. 상기 검사 장치는 비접촉(contact free)되며 비교적 비용 효율적이고, 대부분의 구현예에서 상기 적외선 카메라가 가장 높은 비용을 차지한다. 또한, 상기 시스템은, 데이터 획득을 위한 최적화 파라미터들이 운영자로부터 독립적으로 시스템에 의해 결정되기 때문에 검사 장치의 비편향(unbiased) 구성을 제공한다. 마찬가지로, 검사 결과들은 인간 전문가의 지식 또는 전문경험과는 독립적으로 생성되기 때문에 편향되지 않는다.

본원에 개시된 장치, 시스템 및 방법은 복합재 검사 및 결함 검출을 위해 사용되도록 특별히 의도되지만, 적절히 변형하여, 본 발명의 기술은 다른 물질에 적용될 수 있다.

본원에 개시된 임의의 구조적 및 기능적 세부사항은 장치, 시스템 및 방법을 제한하는 것으로 해석되지 않아야 하고, 오히려 통상의 기술자에게 상기 방법들을 구현하기 위한 하나 이상의 방법을 교시하기 위한 대표 실시예 및/또는 배열로서 제공되는 것으로 이해되어야 한다.

도면에서 유사한 숫자는 여러 도면을 통해 유사한 요소를 나타내고 도면을 참조하여 기재되고 예시된 모든 성분 및/또는 단계가 모든 구현예 또는 배열에 필요한 것은 아님을 추가로 이해해야 한다.

본원에 사용된 용어는 단지 특정 실시예를 기술하기 위한 것이며 본 발명을 제한하는 것으로 의도되지 않는다. 단수형태 "a", "an" 및 "the"는 문맥상 달리 명확하게 나타내지 않는 한, 복수 형태를 또한 포함하는 것으로 의도된다. 본 명세서에서 사용될 때 용어들 "포함한다" 및/또는 "포함하는"은 언급된 특징, 정수, 단계, 작동, 요소 및/또는 성분의 존재를 명시하지만, 하나 이상의 다른 특징, 정수, 단계, 작동, 요소, 성분, 및/또는 이들의 군의 존재 또는 첨가를 배제하지는 않는 것으로 추가로 이해될 것이다.

배향의 용어들은 본 명세서에서 단지 컨벤션 및 참조의 목적으로 사용되며 제한적인 것으로 해석되어서는 안된다. 그러나, 이들 용어들은 관찰자와 관련하여 사용될 수 있는 것으로 인식된다. 따라서, 어떠한 제한도 암시되거나 추론되지 않는다.

또한, 본 명세서에 사용된 어법 및 용어는 설명의 목적을 위한 것이며 제한하는 것으로 간주되어서는 안된다. 본 명세서에서 "포괄하는", "포함하는" 또는 "갖는", "함유하는", "관련하는" 및 그것의 변형의 사용은 그 이후에 열거된 항목 및 그것의 등가물뿐만 아니라 부가적인 항목을 포괄하기 위한 것이다.

본 발명이 예시적인 실시예들을 참조하여 설명되었지만, 통상의 기술자들은 본 발명의 범위를 벗어나지 않고 다양한 변화들이 이루어질 수 있고 등가물들이 그들의 구성 요소들을 대체할 수 있음을 이해할 것이다. 또한, 본 발명의 필수적인 범위를 벗어나지 않으면서 특정 기기, 상황 또는 물질을 본 발명의 교시에 적응시키기 위해 많은 변형이 당해 분야의 숙련가에게 인정될 것이다. 따라서, 본 발명은 본 발명을 수행하기 위해 고려된 최상의 방식으로 개시된 특정한 실시예에 제한되지 않고, 본 발명은 첨부된 청구항들의 범위 내에 속하는 모든 실시예를 포함할 것으로 의도된다.

Claims

복합 물질 구조물의 결함을 검사하기 위한 시스템으로서,
상기 구조물의 표면의 일 섹션을 가열하기 위한 가열 장치와, 가열에 반응하여 상기 표면으로부터의 적외선 복사선을 수신하기 위한 적외선 카메라와, 상기 수신된 적외선 복사선으로부터 열 이미지들을 생성하도록 구성된 컨트롤러와, 통신 장치를 포함하는, 검사 장치;
기지의 복합 물질 샘플로부터 열 이미지들을 획득하기 위한 배열을 포함하는 트레이닝 시스템 - 상기 배열은, 상기 샘플의 전체 표면에 열을 인가하도록 위치된 복수의 가열 요소들과, 가열될 때 상기 샘플의 열 이미지들을 포착하기 위한 적외선 카메라와, 포착된 상기 열 이미지들을 트레이닝 데이터베이스에 기록하기 위한 프로세싱 시스템을 포함함 - ; 및
상기 트레이닝 시스템 및 상기 검사 장치에 통신가능하게 연결되되, 상기 검사 장치로부터 수신되는 열 이미지들을 수신하고 상기 트레이닝 데이터베이스를 사용하여 상기 구조물 내의 결함의 정량적 파라미터들을 검출하도록 구성되는 컴퓨터 시스템을 포함하는, 시스템.
제2항에 있어서, 상기 트레이닝 시스템의 상기 가열 요소들은 적어도 하나의 원형 레일 상에 배치되고, 상기 샘플을 360도 방식으로 둘러싸는, 시스템.
제1항에 있어서, 상기 컴퓨터 시스템은, 상기 구조물의 상기 표면의 일 지점과 상기 적외선 카메라 사이의 거리로서, a) 상기 열 이미지들에 기초하여 계산되는 거리 대비 b) 상기 트레이닝 데이터베이스 내 열 이미지들에 기초하여 계산되는 거리를 비교함으로써 결함의 가능한 존재를 판단하는, 시스템.
제3항에 있어서, 상기 컴퓨터 시스템은, 상기 표면의 상기 지점 및 상기 적외선 카메라 사이의 거리로서, 상기 열 이미지들에 의해 계산되는 거리 대비 상기 트레이닝 데이터베이스 내 상기 이미지들에 의해 계산되는 거리 사이에 임계 차이가 존재하는 경우, 검사자에게 경보를 발행하는, 시스템.
제1항에 있어서, 상기 적외선 카메라는 상기 샘플의 원주 둘레로 이동 가능하고, 상기 샘플의 전체 원주로부터 열 이미지들을 획득하도록 동작하는, 시스템.
제5항에 있어서, 상기 열 이미지들을 획득하기 위한 배열은, 상기 적외선 카메라가 상기 샘플 주위에서 전체 360도로 원주 방향으로 이동하도록 슬라이딩 가능하게 연결되는, 원형 슬라이더를 더 포함하는, 시스템.
제1항에 있어서, 상기 복합 물질 구조물은 복합 물질로 제조된 파이프인, 시스템.
제7항에 있어서, 상기 복합 물질은 강화 열경화성 수지(RTR), 섬유 보강 폴리머(FRP), 유리 보강 폴리머(GRP) 및 유리 보강 에폭시(GRE) 중 하나인, 시스템.
복합 물질 구조물의 결함을 검사하는 방법으로서, 상기 방법은,
복수의 가열 요소들을 이용하여 기지의 복합 물질 샘플들을 가열하고 적외선 카메라를 사용하여 상기 샘플들로부터의 발생된 열 이미지들을 포착함으로써 열 이미지 데이터베이스를 트레이닝시키는 단계;
검사될 상기 구조물을 가열하는 단계;
상기 구조물의 열 이미지들을 포착하는 단계;
상기 열 이미지 데이터베이스에 연결된 컴퓨팅 시스템으로 상기 열 이미지들을 전달하는 단계;
포착된 상기 열 이미지들을 상기 열 이미지 데이터베이스 내 이미지들에 매칭시키는 단계; 및
상기 컴퓨팅 시스템에서, 상기 구조물의 열 이미지들을 상기 열 이미지 데이터베이스 내 매칭된 열 이미지들과 비교함으로써 상기 구조물에 결함이 존재하는지를 판단하는 단계를 포함하는, 방법.
제9항에 있어서, 상기 구조물의 전체 원주가 가열되는, 방법.
제9항에 있어서, 상기 결함이 존재하는지를 판단하는 단계는 상기 구조물의 상기 표면의 일 지점과 상기 적외선 카메라 사이의 거리로서, 상기 포착된 열 이미지들에 기초하여 계산된 거리 대비, 상기 트레이닝 데이터베이스의 상기 매칭된 이미지들에 기초하여 계산된 거리를 비교하는 단계를 포함하는, 방법.
제11항에 있어서, 상기 표면의 상기 지점과 상기 적외선 카메라 사이의 거리로서, 상기 포착된 열 이미지들에 의해 계산된 거리 대비, 상기 트레이닝 데이터베이스의 상기 매칭된 열 이미지들에 의해 계산된 거리 사이에 임계 차이가 존재하는 경우, 검사자에게 경보하는 단계를 더 포함하는, 방법.
제9항에 있어서, 상기 샘플의 전체 표면으로부터 열 이미지들을 획득하기 위해 상기 샘플의 둘레 주위로 상기 적외선 카메라를 이동시키는 단계를 더 포함하는, 방법.
제9항에 있어서, 상기 복합 물질 구조물은 복합 물질로 제조된 파이프인, 방법.
제14항에 있어서, 상기 복합 물질은 강화 열경화성 수지(RTR), 섬유 보강 폴리머(FRP), 유리 보강 폴리머(GRP) 및 유리 보강 에폭시(GRE) 중 하나인, 시스템.