Klassifizierung und Untersuchung von thermografisch erfassten Fertigungsfehlern im Automated-Fiber-Placement-Prozess

Autor*in: Tristan Hocke

ISBN: 978-3-95900-503-6

Dissertation, Leibniz Universität Hannover, 2020

Herausgeber*in der Reihe: Berend Denkena

Band-Nr.: IFW 05/2020

Umfang: 192 Seiten, 117 Abbildungen

Schlagworte: Automated-Fiber-Placement, Deep Learning, Prozessüberwachung, Thermografie

Kurzfassung: In dieser Arbeit ist eine thermografische Überwachung für den Automated-Fiber-Placement-Prozess entwickelt und umgesetzt worden, die Fertigungsfehler in den thermischen Prozessbildern mittels neuronaler Faltungsnetzwerke detektiert und klassifiziert. Zudem können die Temperaturen von fehlerfrei abgelegten Tows nach der Kompaktierung in Abhängigkeit von vier Prozessparametern berechnet werden. Folglich lassen sich aus den thermischen Prozessbildern Differenzbilder berechnen, in denen das thermische Temperaturverhalten der Tows aufgrund des AFP-Prozesses kompensiert wird. Die Zusammenführung der Fehlerklassifizierung mit der Differenzbildanalyse die Segmentierung der detektierten Fehler, um auf Grundlage der thermischen Prozessbilder geometrische und thermische Fehlereigenschaften zu bestimmen.