Damage Characterization of Embedded Defects using Thermography, Computational Simulations, and Artificial Neural Networks

Damage Characterization of Embedded Defects using Thermography, Computational Simulations, and Artificial Neural Networks. Masters thesis, King Fahd University of Petroleum and Minerals.

[img] PDF
Restricted to Repository staff only until 1 June 2020.

Download (6MB)

Arabic Abstract

خصائص الالياف المعززة بالبوليميرات مثل مقوامتها للتآكل وقوتها بالنسبة للوزن يساهمون في استبدال الحديد بالياف معززة بالبوليميرات في تطبيقات صناعية عدة وخاصة في مجال الانابيب. لقد اولد هذا التبديل حاجة لابتكار طرق جديدة لفحص الانابيب المصنوعة من الالياف المعززة بالبوليميرات تختلف عن الطرق التقليدية لفحص الانابيب المصنوعة من الحديد. يجب ان ياخذ بعين الاعتبار الفروقات الجذرية بين الالياف المعززة بالبوليميرات والحديد التي توجد على مستوى الهيكل الذري. هذه الدراسة جزء من غرض جامعة ملك فهد للبترول والمعادن في البحث في مجال فحص الانابيب المصنوعة من الالياف المعززة بالبوليميرات باستخدام التصوير الحراري. هذه دراسة تبدا بحسابات رقمية غرضها تمثل ما حصل في تجارب سابقة اكتملت. ثم حسابات رقمية افتراضية لالياف معززة بالبوليميرات يوجد فيها عيوب داخلية تحت السطح. نتائج هذه الحسابات الافتراضية استخدمت في تمرين شبكات ذكية في تخمين حجم العيوب داخل الاشكال ومن ثمة قورنت مع الحجم الحقيقي للعيوب. تقارب تخمينات الشبكات الذكية يدل على ان فحص الالياف المعززة بالبوليميرات بالتصوير الحراري قد تكون طريقة ناجحة اذا عرف كيف تقرا النتائج.

English Abstract

The advantageous properties of composites such as resistance to corrosion and strength to weight ratio make them attractive replacements in many industrial applications. This surge in composite use has prompted methods to accurately inspect a composite that differ from inspecting their conventional metallic counterparts. This is due to the differences between composites and metals where composites are more heterogenous because of their anisotropic properties and fabrication methods. This thesis summarizes the work done at conducted to overcome this challenge by analyzing how thermography, a heat based inspection method, may be used to accurately characterize beneath the surface defects. The work includes carrying out thermography experiments on composite flat plates with controlled damages in the form of drilled holes. These thermography experiments were successfully modelled using computational transient heat transfer simulations. The computational models are then extended to create hypothetical composite component geometries of plates and pipes with embedded defects of varying sizes and shapes. The data from the computational simulations are fed to artificial neural networks to train them to predict and characterize defect sizes and shapes. The predictions from the neural networks are compared to the actual dimensions from the computational models. These predictions show a high level of accuracy especially when quantifying thermal image information and its’ use to train the neural network. This accuracy is around 10% and 19% for predicting defect depth in plates and pipes, respectively. This suggests that the methodology used in this study combining lock-in thermography experiments, computational simulations, and ANNs is a viable method for detecting embedded defects within composite pipes.

Item Type: Thesis (Masters)
Subjects: Islam and Arabic
Divisions: College Of Engineering Sciences > Mechanical Engineering Dept
Committee Advisor: Al-Athel, Khaled Saleh
Committee Members: Albinmousa, Jafar Husain Ali and Muslim, Husain
Depositing User: MOTAZ ALHASAN (g201505730)
Date Deposited: 30 Jun 2019 07:54
Last Modified: 01 Nov 2019 21:01
URI: http://eprints.kfupm.edu.sa/id/eprint/140979