Warning: fopen(111data/log202004101822.log): failed to open stream: No space left on device in /home/pde321/public_html/header.php on line 107

Warning: flock() expects parameter 1 to be resource, boolean given in /home/pde321/public_html/header.php on line 108

Warning: fclose() expects parameter 1 to be resource, boolean given in /home/pde321/public_html/header.php on line 113
Automatische Überwachungsvorrichtung für komplexe Körper mit Schall zum Feststellen von Fehlern - Dokument DE69524000T2
 
PatentDe  


Dokumentenidentifikation DE69524000T2 08.08.2002
EP-Veröffentlichungsnummer 0696734
Titel Automatische Überwachungsvorrichtung für komplexe Körper mit Schall zum Feststellen von Fehlern
Anmelder Aérospatiale Société Nationale Industrielle, Paris, FR
Erfinder Baudrillard, Gilles, F-92150 Suresnes, FR;
Bouju, Christophe Pierre, F-75016 Paris, FR
Vertreter Henkel, Feiler & Hänzel, 81675 München
DE-Aktenzeichen 69524000
Vertragsstaaten DE, GB, IT
Sprache des Dokument FR
EP-Anmeldetag 04.08.1995
EP-Aktenzeichen 954018396
EP-Offenlegungsdatum 14.02.1996
EP date of grant 21.11.2001
Veröffentlichungstag im Patentblatt 08.08.2002
IPC-Hauptklasse G01N 29/04

Beschreibung[de]

Die Erfindung betrifft ein Verfahren, das die Kontrolle komplexer Teile auf automatisierte Weise ermöglicht, indem die akustische Reaktion verwendet wird, die durch sukzessive Schocks erzeugt wird, welche mittels auf der zu kontrollierenden Oberfläche verteilte Stöße einwirken.

Dieses Verfahren kann dazu verwendet werden, eine nicht- destruktive Kontrolle bei Teilen aus Verbundmaterial, bei metallischen Teilen etc. von beliebigen Formen und Dimensionen auszuführen, sofern diese Teile eine komplexe Struktur aufweisen und beispielsweise eine oberflächliche Beschichtung aufweisen, die durch Verkleben auf einem Träger befestigt ist. Die Verwendung des erfindungsgemäßen Verfahrens ist insbesondere in dem Fall von Teilen mit sehr komplexen Strukturen von Vorteil, wie z. B. den Flügeln von Drehflügelflugzeugen. Sie ermöglicht die Erfassung von in geringer Tiefe befindlichen Defekten (bis zu etwa 4 mm), wie z. B. Ablösungen, Abblätterungen oder Defekte der Homogenität in den Strukturen.

Nicht-destruktive Kontroll- bzw. Überwachungstechniken sind zahlreich. So werden hier auf nicht einschränkende Weise die Kontrollen durch Ultraschall, Holographie, Radioskopie, Radiographie, die dimensionale Kontrolle etc. angeführt.

Wenn die Strukturen der Teile sehr komplex sind und insbesondere wenn sich darin unterschiedliche Materialien befinden, die beispielsweise durch Verkleben in der Dickenrichtung zusammengefügt sind, kann man mehrere komplementäre Kontrolltechniken gemeinsam einsetzen. Diese Anmerkung betrifft insbesondere die für die Sicherheit wesentlichen Teile, wie z. B. die Flügel von Drehflügelflugzeugen, in denen das Vorhandensein eines Defekts unbedingt erfaßt werden muss.

Im Fall der Kontrolle von sehr komplexen Strukturen wie z. B. den Flügeln von Drehflügelflugzeugen, umfassen die verschiedenen für gewöhnlich verwendeten, nicht-destruktiven Kontrolltechniken eine Schallkontrolle (in englisch: "tapping"). Diese Kontrolle ist dazu vorgesehen, eventuelle nicht tiefliegende Defekte (bis zu etwa 4 mm), wie z. B. Ablösungen der oberflächlichen Beschichtung, Abblätterungen der Oberflächenschichten oder das Vorhandensein nicht- homogener Oberflächenzonen, zu erfassen. Es besteht darin, auf ein Teil sukzessive Schocks einwirken zu lassen, dessen Stöße auf der zu kontrollierenden Oberfläche verteilt werden. Der durch diese Schocks erzeugte Schall, d. h. die akustische Resonanz, die sie im Teil induzieren, ermöglicht der Kontrollperson, eventuelle Defekte nachzuweisen und daraus die Kartographie bezüglich des Teils zu erstellen.

Derzeit gibt es keine automatisierte Kontrollmaschine, die in der Lage ist, die Schallkontrolle oder eine Kontrolle, die den gleichen Defekttyp an Stücken von vergleichbaren Strukturen erfassen kann, auszuführen. Es existiert zwar eine Vorrichtung, die das Aufbringen sukzessiver Schocks auf ein Teil ermöglicht, wie es das Schriftstück FR-A-2 062 069 veranschaulicht, die Erstellung einer Diagnostik bleibt jedoch gänzlich der Kontrollperson überlassen.

Die Machbarkeit der Schallkontrolle beruht also im wesentlichen auf der Qualität der Ausbildung der Kontrollperson. Sie ist also vom menschlichen Faktor nicht zu trennen und kann zu Methoden oder zu Meinungen führen, die sich von einer Kontrollperson zur anderen geringfügig unterscheiden.

Übrigens ist die vollständige Kontrolle eines Teils ein langer und kostspieliger Arbeitsgang.

Das Dokument WO-A-92 12423 bezieht sich auf eine Schallkontrolleinrichtung von heterogenen Materialien, wie z. B. Beton. Diese Einrichtung umfaßt einen Wandler, der das von dem Aufprall einer Kugel auf der Oberfläche des Betons erzeugte Schallsignal aufnimmt. Das von dem Wandler emittierte elektrische Signal wird an einen Rechner übermittelt, der das entsprechende Spektrum mit vorher in einen Speicher eingegebenen Referenzwerten vergleicht, indem er ein Neuronennetz verwendet.

Aufgabe der Erfindung ist es demnach, ein Verfahren zu schaffen, das die Schallkontrolle komplexer Teile auf automatisierte Weise ermöglicht, um eine vereinheitlichte Diagnostik auf sichere, schnelle und weniger kostspielige Art und Weise wie die aktuelle Kontrolle zu liefern, und um eine Speicherung und eine verbesserte Präsentation der Daten und der Ergebnisse zu ermöglichen.

Gemäß der Erfindung wird dieses Ergebnis mit Hilfe eines Schall-Kontrollverfahrens komplexer Teile erhalten, gemäß dem das Teil mittels über eine zu kontrollierende Oberfläche des Teils verteilte Stößen sukzessiven Schocks ausgesetzt wird, die von jedem Schock erzeugten Schallsignale erfaßt werden und eine Diagnose hinsichtlich des Vorhandenseins von Defekten geringer Tiefe von dem durch die Schocks erzeugten akustischen Ansprechverhalten abgeleitet wird, dadurch gekennzeichnet, daß mindestens zwei von dem zu kontrollierenden Teil emittierte, aufeinanderfolgende Schallsignale miteinander verglichen werden, um daraus, wenn ein merklicher Unterschied zwischen sukzessiven Schallsignalen detektiert wird, auf automatisierte Art und Weise eine Diagnose der Defekte abzuleiten.

Die Erstellung einer Diagnose durch Vergleich mindestens zweier sukzessiver Schallsignale, die während der Kontrolle ein und desselben Teils aufgenommen werden, ermöglicht die Ausführung der Kontrolle auf automatisierte Weise in einer relativ kurzen Zeit. Tatsächlich ist die Kontrolle eines Teils unabhängig von den spezifischen Eigenschaften dieses Teils und seine Dauer ist praktisch nur durch die mechanischen Zwänge festgelegt, die mit der Verschiebung des Werkzeugs zu tun haben, das zum Einwirkenlassen der Schocks dient, und durch akustische Zwänge, die mit der Dämpfungszeit der von jedem der Schocks induzierten Schallsignale zu tun haben.

Vorzugsweise bringt man auf das Teil sukzessive kalibrierte Schocks mit einer geregelten Frequenz und auf automatisierte Art und Weise mittels über die zu kontrollierende Oberfläche gleichmäßig verteilten Stößen auf.

Je nach Fall können die Schallsignale, die man vergleicht, konsekutive Signale sein, die durch Schocks von benachbarten Stößen erzeugt werden, oder aber nicht- konsekutive Signale, die durch Schocks von mindestens durch einen Zwischenstoß getrennten Stößen erzeugt werden.

Um das Verfahren gemäß der Erfindung umzusetzen, sind die klassischen Methoden der Signalverarbeitung, die entweder einen Vergleich mit einer Referenz-Signalbasis oder ein Expertensystem anwenden, sind ausgesondert worden. In der Tat ist eine Basis von Schall-Bezugssignalen sehr schwierig herzustellen, wenn man die große Vielfalt dieser Signale berücksichtigt. Übrigens haben auch der schwache Charakter dieser Schallsignale, die Präsenz von Störgeräuschen und die Schwierigkeit, zu erklären, was das Ohr hört, dazu geführt, auch die Methoden auf der Basis von Expertensystemen auszusondern.

Deshalb wird in einer bevorzugten Ausführungsform der Erfindung zwischen zwei sukzessiven Schallsignalen verglichen und eine Diagnose auf automatische Weise mittels eines Neuronennetzes abgeleitet.

Solche Neuronennetze sind genauer in einem Handbuch mit dem Titel "Parallel Distributed Processing" von Rumelhart et a1. beschrieben (insbesondere die Seiten 322-328; MIT Press 1986).

Jedes Neuron realisiert eine Gewichtungssumme 5 seiner Eingänge Ei und wendet darauf eine nicht-lineare Ausgangsfunktion f unter Verwendung der Gewichtungskoeffizienten Wi, synaptische Gewichte genannt, an. Man erhält die Beziehung: S = f (WiEi).

Diese Neuronen werden in Form eines Netzes gruppiert, das eine Anordnung von über mehrere Schichten verteilten Neuronen ist, wobei die Ausgänge jeder Schicht die Eingänge der folgenden Schicht bilden. Die erste Schicht des Netzes wird Eingangsschicht genannt, die letzte Schicht Ausgangsschicht, und die Zwischenschichten verborgene Schichten.

Die Lösung eines Problems mittels eines neuronalen Netzes setzt sich aus drei chronologischen Phasen zusammen:

Einer Lernphase: Nachdem die Architektur des Netzes festgelegt wurde, wird diese Phase mittels eines Satzes von repräsentativen Beispielen des zu lösenden Problems realisiert. Jedes Beispiel besteht aus Eingängen bzw. Eingaben relativ zu einem Fall des Problems, und aus dem oder den entsprechenden Ausgängen (in der Erfindung sind die Eingänge bzw. Eingabewerte repräsentative Werte zweier durch ein Mikrophon, das vor einem den Schocks ausgesetzten Teil plaziert ist, aufgenommener Schallsignalen, wobei ein einziger Ausgang das Vorhandensein oder das Fehlen von Defekten anzeigt). Der Lernvorgang besteht darin, die synaptischen Wichtungswerte zu bestimmen, beispielsweise daß für jedes Beispiel das Netz eine Antwort liefert, die nahe an dem/den erwartet(en) Ausgangswert(en) liegen. Der angewandte Lernalgorithmus ist ein Algorithmus mit einer rückläufigen Ausbreitung des Gradienten (retropropagation de gradient), wie sie in dem oben genannten Handbuch beschrieben ist (eine rückläufige Ausbreitung des Gradienten des Fehlers zwischen dem berechneten Ausgangswert und dem erwarteten Ausgangswert). Danach erwartet man, daß bei neuen Fällen das Netz eine geeignete Antwort liefert (Fähigkeit der Verallgemeinerung).

Eine Bewertungsphase: Während dieser Phase bewertet man die Antwort des Netzes anhand eines anderen repräsentativen Beispielsatzes des zu lösenden Problems, dessen Ausgangswerte ebenfalls bekannt sind. Die Beispiele dieses anderen Satzes unterscheiden sich von denen, die den für den Lernvorgang verwendeten Satz bilden.

Eine Auswertungsphase: Während dieser Phase werden die während der Lernphase bestimmten synaptischen Wichtungen dazu verwendet, eine Diagnose auszugeben (die Ausgangswerte des Netzes werden anhand der Eingangswerte als Funktion der synaptischen Wichtungen des Netzes berechnet.

Vor dem Vergleich der sukzessiven Schallsignale mittels eines Neuronennetzes wird vorteilhafterweise eine Vorbehandlung jedes der Schallsignale ausgeführt, um aus dem letzteren g Repräsentativwerte abzuleiten, wobei q eine positive ganze Zahl ist, und man wendet die Repräsentativwerte q von mindestens zwei sukzessiven Schallsignalen als Eingangsgrößen des Neuronennetzes an.

In der bevorzugten Ausführungsform der Erfindung, bei der jedes der Schallsignale aus einer Abfolge von m festgelegten Punkten besteht, die jeweils durch einen Augenblick ti und durch eine Signalamplitude yi festgelegt sind, umfaßt die Vorbehandlung oder Vorverarbeitung eine Selektionsphase von p Repräsentativpunkten aus der Abfolge von m Punkten sowie eine Glättungsphase, während der die g Repräsentativwerte von den p Repräsentativwerten abgezogen werden, wobei m und p ganze Zahlen sind, so daß m > p > q ist.

In diesem Fall besteht die Auswahlphase darin, die Punkte der Abfolge von m Punkten zu eliminieren, welche im Erscheinen einer ersten Schallsignalspitze vorausgeht, und nur eine bestimmte Zahl p von Punkten der Abfolge von m Punkten von dieser ersten Spitze ab beizubehalten.

Übrigens besteht die Glättungsphase darin, die Augenblicke ti jedes der p Repräsentativpunkte in Variable ξi umzuwandeln, so daß ξi = (2 * ti - Δt)/Δt, wobei Δt das Intervall der Variationen der Augenblicke ti darstellt, und dann durch das Verfahren der kleinsten Quadrate die Werte der Parameter an zu bestimmen, für die der Ausdruck

S = {Yi - an Tcn (ξi)}² minimal ist, wobei n von

0 bis N variiert, wobei Tcn (ξi) das Tchebychev'sche Polynom N-ten Grades ist, und die Werte der Parameter an die gesuchten q Repräsentativwerte sind.

Des weiteren verwendet man gemäß der bevorzugten Ausführungsform der Erfindung ein Neuronennetz mit vier Schichten. Dieses Netz umfaßt eine Eingangsschicht mit x * q Neuronen, wobei x die Anzahl der sukzessiven Schallsignale ist, die man vergleicht, sowie mindestens zwei versteckte bzw. verborgene Schichten und eine Ausgangsschicht mit einem einzelnen Neuron umfaßt.

In einer speziellen Architektur:

- umfaßt die erste verborgene Schicht eine gerade Neuronenzahl, die der Hälfte der Neuronenzahl der Eingangsschicht gleich ist, wobei die Neuronen der ersten verborgenen Schicht in gleicher Zahl in einer ersten und zweiten Neuronengruppe verteilt sind;

- alle Neuronen der ersten Gruppe sind mit allen Neuronen der x Neuronengruppen der Eingangsschicht verbunden, wobei jede eine erste Hälfte der q Repräsentativwerte eines der verglichenen Schallsignale empfängt;

- alle Neuronen der zweiten Gruppe mit allen Neuronen der x Neuronengruppen der Eingangsschicht verbunden sind, die jeweils eine zweite Hälfte der q Repräsentativwerte eines der verglichenen Schallsignale empfängt.

Des weiteren:

- umfaßt die zweite verborgene Schicht eine Neuronenzahl größer als eins und kleiner als die Hälfte der Anzahl von Neuronen der ersten verborgenen Schicht;

- sind alle Neuronen der zweiten verborgenen Schicht mit allen Neuronen der ersten verborgenen Schicht verbunden.

Im folgenden wird anhand eines nicht-einschränkenden Beispiels eine bevorzugte Ausführungsform der Erfindung unter Bezugnahme auf die beigefügten Zeichnungen beschrieben, in denen zeigen:

Fig. 1 eine stark schematische Darstellung einer automatisierten Schallkontrollvorrichtung, welche das Verfahren der Erfindung umsetzt,

Fig. 2 eine Kurve, die ein von der Vorrichtung der Fig. 1 detektiertes Brutto-Schallsignal nach Einwirken eines Schocks auf das Teil darstellt,

Fig. 3 ein synaptisches Schema, welches die verschiedenen Etappen der an jedem der während des Einsatzes der Vorrichtung der Fig. 1 empfangenen Schallsignale ausgeführten Vorbehandlung darstellt,

Fig. 4 eine der Fig. 2 vergleichbare Kurve, die ein Schallsignal nach einer ersten Etappe, einer sogenannten Auswahletappe, der Vorbehandlung darstellt,

Fig. 5 ein im einzelnen das Ende der Vorbehandlung und ein Architekturbeispiel eines Neuronennetzes, das zum Vergleich der Repräsentativwerte von zwei aus der Vorbehandlung hervorgegangenen sukzessiven Schallsignalen und zur Erstellung einer Defekt- Diagnostik dient, und

Fig. 6A und 6B Figuren zur Erklärung von in Fig. 5 dargestellten Elementen.

In Fig. 1 bezeichnet die Bezugsziffer 10 ein komplexes Teil, wie z. B. einen Hubschrauberflügel, an dem eine Schallkontrolle ausgeführt werden soll.

Zu diesem Zweck wird gemäß der Erfindung eine automatisierte Vorrichtung vorgeschlagen, die einerseits ermöglicht, auf das Teil 10 sukzessive Schocks einwirken zu lassen, deren Stöße regelmäßig über die zu kontrollierende Oberfläche verteilt werden, und andererseits Schallsignale zu erhalten, die repräsentativ für die von jedem Schock erzeugte akustische Resonanz sind, und mindestens zwei sukzessive Schallsignale untereinander zu vergleichen, um eine Fehlerdiagnose auf der gesamten zu kontrollierenden Oberfläche zu erstellen.

Die Schocks werden auf das Teil durch einen Schlagkopf 12 aufgebracht, der auf einem Träger 13 angebracht ist, welcher sich in einer im wesentlichen parallelen Ebene zur Mittelebene der zu kontrollierenden Oberfläche gemäß zwei orthogonalen Richtungen X und Y bewegen kann.

Der Schlagkopf umfaßt beispielsweise einen Stahlhammer, der durch ein Solenoid gegen die Wirkung einer Druckfeder festgehalten wird. Das Solenoid wird auf automatische Art und Weise mit einer geregelten Frequenz erregt und abgeschaltet, so daß kalibrierte Schocks (je nach der Steifigkeit der Feder) durch den Hammer auf das Stück unter der Wirkung der Feder jedesmal dann aufgebracht werden, wenn der Solenoid abgeschaltet wird.

Jeder neuen Erregung des Solenoids, die zu einem Ansteigen des Hammers führt, folgt eine Ortsveränderung des Schlagkopfs 12 gemäß einem bestimmten Takt und einer bestimmten Richtung. Die Stöße der verschiedenen Schocks werden auf diese Weise regelmäßig über die Oberfläche des Teils verteilt, beispielsweise gemäß einem engmaschigen Netz, dessen Teilung vorzugsweise einstellbar ist.

Es ist anzumerken, daß der Schlagkopf auch auf gänzlich andere Weise realisiert werden kann. Insbesondere kann die magnetische Steuerung des Hammers durch eine hydraulische oder pneumatische Steuerung ersetzt werden.

Die Steuerung der Betätigung des Schlagkopfs 12 sowie die synchronisierte Steuerung seiner Ortsveränderungen werden durch eine Steuerschaltung 14 ausgeführt, die insbesondere mit der im Schriftstück FR-A-2 062 069 beschriebenen konform ist.

Die schematisch in Fig. 1 dargestellte automatisierte Vorrichtung umfaßt außerdem ein Mikrophon 16, welches die Schallsignale aufnimmt, welche repräsentativ für die von jedem Schock erzeugte akustische Resonanz sind. Zu diesem Zweck ist das Mikrophon 16 auf dem selben Träger 13 wie der Schlagkopf 12 in unmittelbarer Nähe desselben angebracht. Das Mikrophon 16 ist einer Elektronikschaltung 18 zur Abnahme der Schallsignale zugeordnet. Am Ausgang dieser Elektronikschaltung 18, und wie es in Fig. 2 dargestellt ist, besteht jedes der Brutto-Schallsignale aus einer Kurve, welche die Variationen der Amplitude und des Signals als Funktion der Zeit t wiedergibt. Diese Kurve ist durch eine Abfolge von m Punkten definiert, wobei m eine positive ganze Zahl ist, die genügend groß ist, um ein präzises Abbild des betreffenden Signals zu liefern. Die Anzahl m von Punkten, die jedes Schallsignal definieren, kann in der beschriebenen Ausführungsform gleich 1024 sein. Jeder der Punkte der Abfolge von m Punkten ist durch einen Augenblick ti und durch eine Signalamplitude yi definiert, wobei i eine ganze Zahl ist, die von 1 bis m variiert. Die Gesamtdauer jedes Schallsignals, die einem Augenblick tm entspricht, beträgt beispielsweise 20 ms.

Wie stark schematisch in Fig. 1 dargestellt ist, wird jedes der von der Elektronikschaltung 18 gelieferten Schallsignale an ein System 20 zur Steuerung und Verwaltung übertragen. Dieses System 20 besteht aus einem Mikrocomputer. Seine Hauptfunktionen bestehen in der Steuerung der Kontrollsequenz und der Erstellung der Diagnostik, die zum Erhalt einer Kartographie der Defekte des kontrollierten Teils führt. Als Zusatzmerkmal hat das System 20 zur Steuerung und Verwaltung auch die Regelung der Erfassungsparameter (Teilung des Netzes, Schlagfrequenz, .), die Erfassung der dem kontrollierten Teil eigenen Daten (Abmessung der zu kontrollierenden Oberfläche, ...) und die Archivierung der Daten und der Ergebnisse zur Funktion.

Um dem System 20 zur Steuerung und Verwaltung die Steuerung der Kontrollsequenz zu ermöglichen, ist dieses mit einem Steuerkreis 14 des Schlagkopfs 12 sowie mit Mitteln (nicht dargestellt) verbunden, welche die Steuerung der Ortsveränderungen des den Schlagkopf 12 und das Mikrophon 16 tragenden Trägers 13 ermöglichen.

Um eine Diagnose hinsichtlich dem Vorhandensein oder dem Fehlen eines Defekts bei jedem Stoß zu erstellen, führt das Steuer- und Verwaltungssystem 20 gemäß der Erfindung einen Vergleich zwischen mindestens zwei sukzessiven Schallsignalen aus, die konsekutiv sein können oder auch nicht. Dieser Vergleich wird mittels eines Neuronennetzes ausgeführt. Da die Anzahl der repräsentativen Punkte jedes Schallsignals viel zu hoch ist, um direkt auf ein Neuronennetz angewendet zu werden, erfährt jedes Schallsignal vorher eine Vorbehandlung, wie sie schematisch durch die synaptische Tabelle der Fig. 3 dargestellt ist.

Die erste Phase der Vorbearbeitung besteht aus einer Phase der Auswahl unter den m Punkten jedes Schallsignals von für dieses Signal repräsentativen p Punkten. Sie beruht auf der Beobachtung, nach der der erste Teil jedes dieser Schallsignale für sich allein den Großteil der notwendigen Informationen zur Diagnose aufweist. Tatsächlich erscheint die Folge des Signals wie Echos der ersten Spitze dieses Signals.

Diese Auswahlphase, die bei 22 in Fig. 3 dargestellt ist, umfaßt eine erste Phase der Zurichtung auf Null, während der die ersten Punkte, die dem Erscheinen der ersten Signalspitze vorausgehen und eine sehr schwache Amplitude y aufweisen, einem Hintergrundrauschen entsprechen.

Ein zweiter Schritt der Auswahlphase 22 besteht darin, nur eine bestimmte Anzahl p von Punkten der Abfolge von m Punkten von der Erscheinung der ersten Spitze an zu behalten. Im beschriebenen Beispiel, in dem jedes Bruttosignal 1024 Punkte enthält, kann die Anzahl der beibehaltenen repräsentativen Punkte nach dieser Auswahlphase beispielsweise gleich 32 sein.

Wie auch die Fig. 3 veranschaulicht, umfaßt die Vorbehandlung bzw. Vorbearbeitung eine zweite Phase 24, während der von den p repräsentativen Punkten jedes Schallsignals 2 Repräsentativwerte abgezogen werden. Die Zahl 2 von Repräsentativwerten, die niedriger ist als die Zahl von repräsentativen Punkten, ist genügend niedrig, um auf ein Neuronennetz angewandt werden zu können, ebenso wie die 2 Repräsentativwerte mindestens eines weiteren Schallsignals. In dem Fall, in dem die q Repräsentativwerte von zwei sukzessiven Schallsignalen auf ein Neuronennetz angewandt werden, ist die Zahl q von Repräsentativwerten jedes Schallsignals, das nach der zweiten Phase 24 der Vorbearbeitung erhalten wurde, beispielsweise gleich 18.

In der beschriebenen bevorzugten Ausführungsform besteht die zweite Vorbehandlungsphase aus einer Glättungsphase, die auf der Anwendung der Tchebychev'schen Polynome beruht.

Für eine gegebene Variable ξ die im Intervall [-1, 1] enthalten ist; ist anzumerken, daß das Tchebychev'sche Polynom der Ordnung n, geschrieben TCn (ξ), durch folgende rekursive Beziehung definiert ist:

Tcn (ξ) = 2 ξ Tcn-1 (ξ) - Tcn-2

wobei Tco (ξ) = 1

und Tc1 (ξ) = ξ

Da jeder der p Repräsentativpunkte, die nach der Auswahlphase 22 erhalten wurden, durch seine Amplitude yi und den Augenblick ti, der ihm entspricht, bestimmt ist, wobei dieser Augenblick ti in einem Variationsintervall Δt variiert, das sich von dem Intervall [-1, 1], in dem die Tchebychev'schen Polynome definiert sind, unterscheidet, muss zunächst eine Variablenänderung ausgeführt werden, damit diese Polynome angewandt werden können.

Für jeden der 2 Repräsentativpunkte eines gegebenen Schallsignals verwandelt man den Augenblick ti, der ihm entspricht, in eine neue Variable ξi = (2 * ti - Δt)/Δt.

In diesem Stadium ist jeder gegebene Repräsentativpunkt eines Schallsignals also durch die Amplitude yi und durch die Variable ξi gegeben, die für den dieser Amplitude entsprechenden Augenblick repräsentativ ist.

Auf dieser neuen Basis wird nun die eigentliche Glättungsphase ausgeführt. Zu diesem Zweck bestimmt man durch das Verfahren der kleinsten Quadrate die Werte der Parameter an, für die der Ausdruck S minimal ist, wobei dieser Ausdruck S durch folgende Beziehung definiert ist:

S = {yi - an Tcn (ξi)}²,

wobei n von 0 bis N variiert, und N für das Tchebychev'sche Polynom angewandten Grad repräsentiert.

Der Grad N des Tschebychev'schen Polynoms wird derart gewählt, daß er genügend hoch ist, um sich bestens der Kurve anzunähern, die den p Repräsentativpunkten entspricht, und ausreichend niedrig, damit die Anzahl der Parameter an minimal ist. Tatsächlich sind die Werte der Parameter an die gesuchten g Repräsentativwerte, deren Zahl genügend niedrig sein muss, um auf ein Neuronennetz angewandt werden zu können, ebenso wie die Repräsentativwerte mindestens eines weiteren Signals.

Um die Auswahl des Grads N des Tchebychev'schen Polynoms unter Berücksichtigung der vorstehenden Beobachtung zu erleichtern, kann die Glättungsphase 24 getrennt an mindestens zwei Repräsentativgruppen eines gegebenen Schallsignals ausgeführt werden. So wird gemäß der Darstellung oben in Fig. 5 in dem Fall, in dem die p Repräsentativpunkte in zwei Gruppen unterteilt sind, jede dieser Gruppen jeweils durch die p/2 ersten Repräsentativpunkte und durch die p/2 letzten Repräsentativpunkte gebildet.

Im einzelnen stellt Fig. 5 den Fall dar, bei dem die Anzahl x der verglichenen Schallsignale gleich 2 ist. Die Bezugsziffer 26 entspricht den p Repräsentativpunkten eines ersten Signals S1 und die Bezugsziffer 28 entspricht den p Repräsentativpunkten eines zweiten Signals S2. Die Zahl p von Repräsentativpunkten jedes der Signale S1 und S2 kann nämlich gleich 32 sein.

Wie weiter oben angegeben ist, sind die p Repräsentativpunkte jedes der Schallsignale S1 und S2 in eine erste Gruppe, die den p/2 ersten Punkten, und eine zweite Gruppe, die den p/2 letzten Punkten entspricht, unterteilt, um eine getrennte Glättung jeder dieser Gruppen vorzunehmen. In Fig. 5 bezeichnen die Bezugsziffern 30 und 32 jeweils die ersten und zweiten Gruppen von Repräsentativpunkten des ersten Schallsignals S1. Auf vergleichbare Weise bezeichnen die Bezugsziffern 34 und 36 jeweils die ersten und zweiten Gruppen von Repräsentativpunkten des zweiten Schallsignals S2. Im vorgenannten Beispiel umfaßt jede der Gruppen 30, 32, 34 und 36 16 Repräsentativpunkte.

Jede dieser Gruppen 30, 32, 34 und 36 von Repräsentativpunkten wird einer getrennten Glättungsphase unterzogen, die jeweils durch die Bezugsziffern 38, 40, 42 und 44 in Fig. 5 bezeichnet ist. Beispielsweise wird jede dieser getrennten Glättungsphasen mittels eines Tchebichev'schen Polynoms vom 8 Grad ausgeführt. Die Anzahl der Parameter an und folglich der q/2 am Ausgang jeder dieser vier getrennten Glättungsphasen erhaltenen Repräsentativwerte ist also gleich 9.

Die 9 am Ausgang der Glättungsphase 38 anhand der 16 ersten Repräsentativpunkte des ersten Signals S1 erhaltenen Repräsentativwerte werden durch die Bezugszeichen a&sub1;&submin;&sub1;, a&sub1;&submin;&sub2;, ..., a&sub1;&submin;&sub9; bezeichnet. Die 9 am Ausgang der Glättungsphase 40 anhand der 16 letzten Repräsentativpunkte des ersten Signals S1 erhaltenen 9 Repräsentativwerte werden mit den Bezugzeichen a&sub1;&submin;&sub1;&sub0;, a&sub1;&submin;&sub1;&sub1;, ..., a&sub1;&submin;&sub1;&sub8; bezeichnet. Die am Ausgang der Glättungsphase 42 anhand der 16 ersten Repräsentativpunkte des zweiten Signals S2 erhaltenen 9 Repräsentativwerte werden mit den Bezugzeichen a&sub2;&submin;&sub1;, a&sub2;&submin;&sub2;, ..., a&sub2;&submin;&sub9; bezeichnet. Schließlich werden die am Ausgang der Glättungsphase 44 anhand der 16 letzten Repräsentativpunkte des zweiten Signals S2 erhaltenen 9 Repräsentativwerte mit a&sub2;&submin;&sub1;&sub0;, a&sub2;&submin;&sub1;&sub1;, ..., a&sub2;&submin;&sub1;&sub8; bezeichnet.

Diese vier Gruppen von 9 Repräsentativwerten, die am Ausgang der Glättungsphasen 38, 40, 42 und 44 erhalten wurden, stellen die Eingangswerte eines Neuronennetzes dar, das ebenfalls in Fig. 5 dargestellt ist. Dieses Neuronennetz hat als Aufgabe, mehrere sukzessive Schallsignale (im dargestellten Beispiel 2) zu vergleichen, um eine Diagnose hinsichtlich des Vorhandenseins oder des Fehlens eines Defekts in dem Oberflächenbereich desjenigen Teils zu erstellen, auf den die Schocks, die diesen Schallsignalen entsprechen, aufgebracht wurden.

Das in Fig. 5 dargestellte Neuronennetz ist ein Netz mit vier Schichten.

Die Eingangsschicht 46 dieses Neuronennetz umfaßt x*q Neuronen, wobei x die Anzahl von Schallsignalen ist, die man vergleicht (im betrachteten Beispiel 2), und q die Anzahl von Repräsentativwerten jedes nach der Glättung erhaltenen Schallsignals (18 im betrachteten Beispiel) ist. In diesem Beispiel umfaßt die Eingangsschicht also 36 Neuronen.

In Fig. 5 bezeichnet die Bezugsziffer 48 einen ersten Block aus 9 Neuronen, die zur Eingangsschicht 46 gehören. Jedes dieser Neuronen erhält einen der 9 Repräsentativwerte a&sub1;&submin;&sub4;, a&sub1;&submin;&sub2;, ..., a&sub1;&submin;&sub9; des ersten Teils des ersten Signals 51. Jedes der 9 Neuronen eines zweiten Blocks 50 der Eingangsschicht erhält einen der 9 Repräsentativwerte a&sub1;&submin;&sub1;&sub0;, a&sub1;&submin;&sub1;&sub1;, ..., a&sub1;&submin;&sub1;&sub8; des zweiten Teils des ersten Signals S1. Die Bezugsziffer 52 bezeichnet einen dritten Block aus 9 Neuronen, die zur Eingangsschicht gehören, wobei jedes einen der 9 Repräsentativwerte a&sub2;&submin;&sub1;, a&sub2;&submin;&sub2;, ..., a&sub2;&submin;&sub9; des ersten Teils des zweiten Signals S2 erhält. Schließlich umfaßt die Eingangsschicht 46 auch einen vierten block 54 aus 9 Neuronen, von denen jedes einen der 9 Repräsentativwerte a&sub2;&submin;&sub1;, a&sub2;&submin;&sub1;&sub1;, ..., a&sub2;&submin;&sub1;&sub8; des zweiten Teils des zweiten Signals S2 erhält.

Die zweite Schicht oder erste verborgene Schicht 56 des als Beispiel in Fig. 5 dargestellten Neuronennetzes umfaßt zwei Blöcke von jeweils 9 Neuronen, die jeweils durch die Bezugsziffer 58 bzw. 60 bezeichnet sind.

Die dritte Schicht oder zweite verborgene Schicht 62 des Neuronennetzes umfaßt im beschriebenen Beispiel einen Block 64 aus 5 Neuronen.

Schließlich umfaßt eine vierte Schicht oder Ausgangsschicht 66 des als Beispiel in Fig. 5 dargestellten Neuronennetzes ein einziges Neuron 68, dessen Ausgang ein Diagnostiksignal S liefert. Dieses Diagnostiksignal S. das beispielsweise zwischen -1 und +1 variiert, ermöglicht, daraus entweder das Vorhandensein eines Defekts zu schließen, wenn die verglichenen Schallsignale vom Netz als unterschiedlich bewertet werden, oder auf das Fehlen eines Defekts, wenn das Netz die Quasi-Identität dieser Schallsignale folgert.

Die 9 Neuronen des Blocks 58 der ersten verborgenen Schicht 56 sind mit den 9 Neuronen der Blöcke 48 und 52 der Eingangsschicht des Netzes verbunden. Diese Ausgänge der Neuronen des Blocks 58 sind also repräsentativ für den ersten Teil jedes der Schallsignale 51 und 52, die man vergleicht.

Auf analoge Weise sind die 9 Neuronen des Blocks 60 der ersten verborgenen Schicht 56 mit den 9 Neuronen der Blocks 50 und 54 der Eingangsschicht des Netzes verbunden. Die Ausgänge der Neuronen des Blocks 60 sind also repräsentativ für den zweiten Teil jedes der zwei Schallsignale S1 und S2, die durch das Netz verglichen werden.

Die 5 Neuronen des Blocks 64, welche die zweite verborgene Schicht 64 bilden, sind mit 9 Neuronen jedes der Blöcke 58 und 60 der ersten verborgenen Schicht 56 verbunden. Die Ausgänge dieser 5 Neuronen sind also repräsentativ für die Gesamtheit der Schallsignale S1 und S2, die man vergleicht.

Schließlich ist das die Ausgangsschicht des Netzes bildende Neuron 68 mit jedem der 5 Neuronen des die zweite verborgene Schicht 62 bildenden Blocks 64 verbunden.

In Fig. 5 ist jeweils durch eine eindeutige generische Verbindung A1, A'1, A2, A'2, B1, B2 und C die Gesamtheit der Verbindungen zwischen den Neuronen der Blöcke 48 und 58, 52 und 58, 50 und 60, 54 und 60, 58 und 64, 60 und 64 sowie 64 und 68 dargestellt.

Mit anderen Worten, und wie die Fig. 6A und 6B veranschaulichen, entspricht jede der generischen Verbindungen A1, A'1, A2, A'2, B1, B2 und C in Wirklichkeit einer Gesamtheit von Verbindungen zwischen den Modulen der von diesen generischen Verbindungen betroffenen Blöcken.

So stellt die Fig. 6A in Form einer generischen Verbindung A die Gesamtheit der in Fig. 6B dargestellten Verbindungen zwischen einer 3 Neuronen umfassenden Gruppe 70 und einer 2 Neuronen umfassenden Gruppe 71 dar. Die Werte Wi sind die synaptischen Gewichtungen, die jeder der Verbindungen der Fig. 6B zugehören. Jede generische Verbindung, wie z. B. die Verbindungen A1, A'1, A2, A'2, B1, B2 und C in Fig. 5 bedeutet also, daß alle Neuronen des ersten Blocks mit allen Neuronen des zweiten Blocks verbunden sind.

Um dem Neuronennetz, dessen Aufbau gerade mit Bezug auf Fig. 5 beschrieben wurde, ist jede der synaptischen Wichtungen, die den verschiedenen durch die generischen Verbindungen A1, A'1, A2, A'2, B1, B2 und C symbolisierten Verbindungen zugehören, ein für allemal vor der Auswertung des Netzes bestimmt. Diese Bestimmung wird durch Iteration mittels eines rückläufigen Algorithmus auf der Basis eines ersten Beispielsatzes, von dem die Eingangsgrößen bekannt sind, sowie der erwarteten Ausgangsdiagnostiken vorgenommen. Die so bestimmten synaptischen Wichtungen werden dann mittels eines zweiten Beispielsatzes validiert. Die Anzahl von Beispielen jedes Satzes ist so hoch wie möglich, beispielsweise zwischen 1000 und 1500.

Die Gültigkeitstests haben gezeigt, daß der Prozentsatz an Genauigkeit der von dem Neuronennetz gelieferten Diagnose ungefähr 95% beträgt. Dieser Prozentsatz ist bei weitem ausreichend, wenn er auf die Erfassung einer defekten Oberflächenzone eines Teils bezogen wird. In der Tat ermöglicht er die Lokalisierung der Defektgrenze mit hoher Präzision.

Vorteilhafterweise werden die Diagnosesignale S. die vom Neuronennetz geliefert werden, in Form einer Kartographie an einer graphischen Schnittstelle des Steuer- und Verwaltungssystems 20 (in Fig. 1) visualisiert.

Der vorstehend mit Bezug auf Fig. 5 beschriebene Aufbau des Neuronennetzes, der auf einem globalen Lösungsansatz des Problems beruht, stellt nur ein Beispiel dar.

Anhand des Kontrollverfahrens gemäß der Erfindung wird es also möglich, eine automatisierte Schallkontrolle komplexer Teile auf einfache und reproduzierbare Weise vorzunehmen. Außerdem können die Dauer und die Kosten der Kontrolle im Vergleich zu aktuellen Kontrollen reduziert werden, und die Ergebnisse können klar und zugänglich visuell dargestellt werden.


Anspruch[de]

1. Schall-Kontrollverfahren komplexer Teile, gemäß dem das Teil (10) anhand von über eine zu kontrollierende Oberfläche des Teils verteilten Stößen sukzessiven Schocks ausgesetzt wird, die von jedem Schock erzeugten Schallsignale erfasst werden und eine Diagnose hinsichtlich des Vorhandenseins von Defekten geringer Tiefe von dem durch die Schocks erzeugten akustischen Ansprechverhalten abgeleitet wird,

dadurch gekennzeichnet, daß mindestens zwei von dem zu kontrollierenden Teil emittierte, aufeinanderfolgende Schallsignale miteinander verglichen werden, um daraus, wenn ein merklicher Unterschied zwischen sukzessiven Schallsignalen detektiert wird, auf automatisierte Art und Weise eine Diagnose der Defekte abzuleiten.

2. Verfahren gemäß Anspruch 1, dadurch gekennzeichnet, daß man auf das Teil (10) anhand von über die zu kontrollierende Oberfläche regelmäßig verteilten Stößen sukzessive genau bemessene Schocks mit geregelter Frequenz und auf automatische Art und Weise einwirken läßt.

3. Verfahren gemäß Anspruch 1 oder 2, dadurch gekennzeichnet, daß durch Schocks von aufeinanderfolgenden Stößen erzeugte, unmittelbar aufeinanderfolgende Schallsignale untereinander verglichen werden.

4. Verfahren gemäß Anspruch 1 oder 2, dadurch gekennzeichnet, daß durch Schocks von mindestens durch einen Zwischenstoß voneinander getrennten Stößen erzeugte, nicht unmittelbar aufeinanderfolgende Schallsignale untereinander verglichen werden.

5. Verfahren gemäß einem der vorangehenden Ansprüche, dadurch gekennzeichnet, daß die aufeinanderfolgenden Schallsignale untereinander verglichen werden und daraus auf automatische Weise mittels eines Neuronennetzes eine Diagnose abgeleitet wird.

6. Verfahren gemäß Anspruch 5, dadurch gekennzeichnet, daß jedes der Schallsignale einer Vorbehandlung unterzogen wird, um daraus g Repräsentativwerte abzuleiten, wobei g eine positive ganze Zahl ist und die g Repräsentativwerte von mindestens zwei aufeinanderfolgenden Schallsignalen als Eingangsgröße des Neuronennetzes verwendet werden.

7. Verfahren gemäß Anspruch 6, dadurch gekennzeichnet, daß - während jedes der Schallsignale aus einer Abfolge von m Punkten besteht, die jeweils durch einen Zeitpunkt t1 und durch eine Signalamplitude yi bestimmt sind - die Vorbehandlung einen Schritt der Auswahl von p repräsentativen Punkten aus der Abfolge von m Punkten und einen Schritt des Glättens, bei dem die g Repräsentativwerte von den p repräsentativen Punkten abgeleitet werden, umfaßt, wobei m und p ganze Zahlen sind und m > p > q ist.

8. Verfahren gemäß Anspruch 7, dadurch gekennzeichnet, daß der Auswahlschritt darin besteht, die Punkte der Abfolge von m Punkten, die dem Auftreten des ersten Peaks des Schallsignals vorausgehen, zu eliminieren, und nur eine bestimmte Zahl p von Punkten der Abfolge von Punkten m nach diesem ersten Peak beizubehalten.

9. Verfahren gemäß einem der Ansprüche 7 oder 8, dadurch gekennzeichnet, daß der Glättungsschritt darin besteht, die Zeitpunkte ti jedes der repräsentativen Punkte p in Variable ξi derart umzuwandeln, daß ξi = (2 * ti - Δt), wobei Δt das Intervall der Variationen der Zeitpunkte ti darstellt, und dann durch die Methode der kleinsten Quadrate die Werte der Parameter an zu bestimmen, für die der Ausdruck S = {yi - an Tcn (ξi)}² minimal ist, wobei n zwischen O und N variiert, Tcn (ξi) das Tchebychev'sche Polynom N-ten Grades ist, und diese Werte der Parameter an i die gesuchten g Repräsentativwerte sind.

10. Verfahren gemäß einem der Ansprüche 6 bis 9, dadurch gekennzeichnet, daß ein Neuronennetz mit vier Schichten verwendet wird, das eine Eingangsschicht (46) mit x * g Neuronen, wobei x die Anzahl der verglichenen sukzessiven Schallsignale ist, sowie mindestens zwei versteckte Schichten (56, 62) und eine Ausgangsschicht (66) mit einem einzigen Neuron (68) umfaßt.

11. Verfahren gemäß Anspruch 10, dadurch gekennzeichnet, daß:

- die erste versteckte Schicht (56) eine gerade Zahl von Neuronen umfaßt, die gleich der Hälfte der Neuronenzahl der Eingangsschicht (46) ist, wobei die Neuronen der ersten versteckten Schicht (56) in gleicher Zahl auf eine erste (58) und eine zweite (60) Neuronengruppe verteilt sind,

- alle Neuronen der ersten Gruppe (58) mit allen Neuronen von x Neuronengruppen (48, 52) der Eingangsschicht (46) verbunden sind, von denen jede eine erste Hälfte der g Repräsentativwerte von einem der verglichenen Schallsignale (S1, S2) empfängt,

- alle Neuronen der zweiten Gruppe (60) mit allen Neuronen von x Neuronengruppen (50,54) der Eingangsschicht (46) verbunden sind, von denen jede eine zweite Hälfte der g Repräsentativwerte von einem der verglichenen Schallsignale empfängt.

12. Verfahren gemäß einem der Ansprüche 10 oder 11, dadurch gekennzeichnet, daß:

- die zweite versteckte Schicht (62) eine Neuronenzahl aufweist, die größer als eins und kleiner als die Hälfte der Neuronenzahl der ersten versteckten Schicht (56) ist,

- alle Neuronen der zweiten versteckten Schicht (62) mit allen Neuronen der ersten versteckten Schicht (56) verbunden sind.







IPC
A Täglicher Lebensbedarf
B Arbeitsverfahren; Transportieren
C Chemie; Hüttenwesen
D Textilien; Papier
E Bauwesen; Erdbohren; Bergbau
F Maschinenbau; Beleuchtung; Heizung; Waffen; Sprengen
G Physik
H Elektrotechnik

Anmelder
Datum

Patentrecherche

Patent Zeichnungen (PDF)

Copyright © 2008 Patent-De Alle Rechte vorbehalten. eMail: info@patent-de.com