استفاده از تغییرات طول موج براگ برای تشخیص آسیب ترک زمینه در کامپوزیتهای پایه پلیمری با استفاده از گسترش امواج لمب و سنسور FBG
- سال انتشار: 1401
- محل انتشار: پانزدهمین کنفرانس ملی مهندسی برق، کامپیوتر و مکانیک
- کد COI اختصاصی: ECME15_002
- زبان مقاله: فارسی
- تعداد مشاهده: 458
نویسندگان
دانشجو کارشناسی ارشد دانشکده مهندسی مکانیک دانشگاه علم و صنعت ایران
استادیار دانشکده مهندسی مکانیک دانشگاه علم و صنعت ایران
استاد دانشکده مهندسی مکانیک دانشگاه علم و صنعت ایران
چکیده
از میان روشهای گوناگون شناسایی آسیب در کامپوزیتها، آزمونهای غیرمخرب با استفاده از گسترش امواج فراصوت هدایت شونده ی لمب کاربرد زیادی دارند. با پردازش داده های استخراج شده از سنسورها و بررسی تغییرات در پارامترهای مختلف امواج منتشرشده در نمونه های سالم و معیوب می توان به وجود، مکان و شدت آسیب احتمالی پی برد. در کاربردهای مختلف از سنسورهای دریافت کننده ی سیگنال گوناگونی مانند سنسورهای توری براگ فیبری (FBG) استفاده میشود. در این مقاله، برای شناسایی ترک زمینه و تاثیرات آن بر نمونه کامپوزیت چندلایه، شبیه سازی مدل کامپوزیتی کربن/اپوکسی با لایه چینی [۰۲/۹۰۶]s و موج هدایت شونده لمب نامتقارن در فرکانس ۲۰۰ کیلوهرنز در نرم افزار آباکوس صورت گرفت. پارامترهای مرتبط با سنسورهای FBG و نحوه چیدمان آن ها در نرم افزار FBG-SIMUL تعریف شد و نمودارهای پاسخ زمانی از طیف بازتابی سنسورها با استفاده از این نرم افزار استخراج گشت. پارامتر تغییرات طول موج براگ بدست آمده از سنسورهای FBG در نمونه های سالم و دارای ترک بررسی شد و در نمونه دارای ترک افزایش چشمگیری در این مقادیر مشاهده گردید. از نتایج حاصله چنان برمی آید که تغییرات طول موج بدست آمده از شبکه سنسورهای FBG تعبیهشده میتواند پارامتری موثر برای تشخیص وجود ترک و مکان آن باشد. نتایج نمودارهای جابجایی حاصل از شبیه سازی نمونه در نرم افزار آباکوس نیز موید همین امر هستند. به علاوه نشان داده شد که دقت و حساسیت استفاده از سنسورهای FBG همراه با گسترش موج لمب نسبت به سایر روشهای پیشین در تشخیص آسیب ترک زمینه بالاتر میباشد.کلیدواژه ها
کامپوزیت، ترک زمینه، امواج هدایت شونده لمب، سنسور FBG، تغییرات طول موج سنسور FBGمقالات مرتبط جدید
- بهینه سازی مدیریت انرژی در ریزشبکه ها با استفاده از الگوریتم های هوش مصنوعی
- مبانی، کاربردها و چالشهای یادگیری مشارکتی و تحلیل تجربی و مقایسه ابزارهای یادگیری فدرالی در پیاده سازی مدلهای یادگیری ماشین
- راهکارهای مبتنی بر هوش مصنوعی برای بهره وری انرژی در تولید سیمان: یک بررسی جامع
- معماری اینترنت اشیا مبتنی بر هوش مصنوعی در مدیریت انرژی هوشمند
- سیستم های EMS/BMS در ساختمان های ZEB و نمونههای اجرا شده آن در سطح جهانی
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.