Artificial Intelligence-based corrosion sensing and prediction for aircraft applications

Flugzeugkörper, die hauptsächlich aus Aluminiumlegierungen bestehen, sind anfällig für verschiedene Arten von lokaler Korrosion, die häufig ohne äußere Anzeichen von Schäden auftritt. Die Korrosions-"Hotspots" sind manchmal schwer zugänglich und schwer zu inspizieren. Mehrere Sensorknoten, die an verschiedenen Korrosions-Hotspots in einer Flugzeugzelle verteilt sind, könnten einen Überblick über den allgemeinen strukturellen Zustand des Flugzeugs sowie eine Beurteilung der strukturellen Integrität innerhalb einzelner Mikroklimata liefern. Diese Sensoren erzeugen einen kontinuierlichen Datenstrom, der gesammelt, verarbeitet und interpretiert werden muss, um nützliche Ergebnisse für den Endbenutzer zu liefern, der hauptsächlich daran interessiert ist, über den aktuellen Status der Struktur in Bezug auf die korrosive Degradation, den Ort der korrosiven Degradation an der Struktur und ob und wann ein Teil ausfallen könnte, informiert zu werden. Daher werden in diesem Projekt Methoden der Künstlichen Intelligenz angewendet, um die gesammelten Sensordaten zu fusionieren, sie nach klassischen Korrosionsbewertungsmethoden (z.B. Salzsprühkammer und anschließende optische Bewertung, Metallographie) zu kennzeichnen, mit dem Ziel, ein robustes Modell zu erstellen, das dem Flugzeugbetreiber geeignete Variablen liefern kann, die den Zustand des Strukturbauteils bewerten.