Moskauer Luftfahrtinstitut entwickelt automatisches Erkennungssystem für Mikrodefekte in Verbundwerkstoffen
2026-06-23 15:45
Merken

de.wedoany.com-Bericht: Das Moskauer Luftfahrtinstitut (Moscow Aviation Institute, MAI) hat ein automatisiertes Diagnoseverfahren für Luft- und Raumfahrt-Verbundwerkstoffe entwickelt, das durch die Integration volumetrischer Bilddaten Mikrodefekte im Materialinneren identifizieren kann.

Das Verfahren wurde speziell für zerstörungsfreie Prüfabläufe auf Basis von Röntgen-Computertomographie und hochauflösender Scantechnologie konzipiert und kann innere Strukturanomalien wie Mikrorisse, Poren und Delaminationsbereiche erkennen, die mit herkömmlichen Prüfmethoden nur schwer zu unterscheiden sind. Im Vergleich zur manuellen Analyse verkürzt das System die Prüfzykluszeit erheblich. Während früher große Bilddatensätze, deren Auswertung mehrere Tage in Anspruch nahm, von Operateuren dominiert wurden, können sie nun innerhalb weniger Minuten verarbeitet werden.

Hinsichtlich der Leistungsmerkmale unterscheidet sich die MAI-Methode in drei Schlüsselparametern von herkömmlichen Prüfabläufen. Die Empfindlichkeit des Systems erstreckt sich auf Defektgrößen im Submikrometerbereich und behebt die entscheidende Einschränkung operateurgeführter Prüfverfahren, bei denen die Erkennungsfähigkeit durch visuelle Auflösung und Ermüdung begrenzt ist.

Das Verfahren ist für die Qualitätssicherung und strukturelle Gesundheitsüberwachung von Verbundwerkstoff-Rumpfkomponenten positioniert. In diesen Anwendungen können winzige Herstellungsfehler während der Betriebslebensdauer zu Vorläufern von Ermüdungsausbreitung werden. Mit der zunehmenden Verwendung von Verbundwerkstoffen in modernen Rumpfstrukturen steigt der Bedarf an konsistenteren, automatisierten und reproduzierbaren Prüfrahmen.

Das MAI beschreibt diese Entwicklung als Teil eines breiteren Wandels hin zur digital integrierten zerstörungsfreien Bewertung. Die Methode kombiniert automatische Mustererkennung mit fusionierten Bilddatensätzen, wodurch Operateurunterschiede reduziert und die Klassifizierungskonsistenz verbessert werden können.

Dieser Artikel wurde von Wedoany übersetzt und bearbeitet. Bei jeglicher Zitierung oder Nutzung durch künstliche Intelligenz (KI) ist die Quellenangabe „Wedoany“ zwingend vorgeschrieben. Sollten Urheberrechtsverletzungen oder andere Probleme vorliegen, bitten wir Sie, uns unverzüglich zu benachrichtigen. Wir werden den entsprechenden Inhalt umgehend anpassen oder löschen.

E-Mail: news@wedoany.com