STEYR. Im Rahmen des Projektes SonicScan arbeitet Profactor derzeit an der Umsetzung einer automatisierten Roboterzelle für Ultraschallprüfung. Mit im Boot ist die Firma ACS mit Know- how im Bereich Ultraschallprüfung. Das Projekt ist Teil des CleanSky Programms der EU ...

„Längerfristig soll die Technologie die hohen Qualitätsanforderungen der Luftfahrt für CFK Bauteile effizient sicherstellen.“ erklärt Sebastian Zambal, Projektleiter bei PROFACTOR. Erste Ergebnisse aus dem Projekt werden der Öffentlichkeit am 8. Mai im Rahmen der Langen Nacht der Forschung 2020 am Standort in Steyr (OÖ) vorgestellt.

Sicherheit ist oberstes Gebot in der Luftfahrt
Um sicherzustellen, dass wichtige Strukturbauteile aus Carbon keine Mängel enthalten, ist genaue Qualitätskontrolle gefordert. Ein gängiges Verfahren, um das Innere von Bauteilen zu untersuchen, ist Ultraschallprüfung. Die automatisierte Prüfung von komplexen Bauteilen stellt allerdings nach wie vor eine Herausforderung dar. Stark gekrümmte und dickwandige Bauteile erfordern in der Regel eine aufwendige Planung des Prüfablaufs. Das Projekt SonicScan hat sich zum Ziel gesetzt, die automatisierte Ultraschallprüfung auf die nächste Stufe zu heben.

Optimale Abdeckung
Wichtig bei der Ultraschallprüfung von Bauteilen ist, dass alle Bereiche eines Bauteils auch tatsächlich erfasst werden. Dafür muss ein Prüfkopf entlang der Oberfläche geführt werden. Will man diese Prüfbewegung mit einem Roboter automatisieren, sind mehrere Faktoren zu berücksichtigen: Ausbreitung des Ultraschallsignals, Geometrie des Bauteils, Abschattungen, Erreichbarkeit, sowie Abstand zwischen Bauteil und Prüfkopf. Profactor entwickelt hier spezielle Software für die automatische Planung von Prüfbewegungen.

Neue Auswerteverfahren
Reflexionen von Ultraschallsignalen ermöglichen Rückschlüsse auf verschiedene Unregelmäßigkeiten oder Fehler im Inneren eines Bauteils. Die Interpretation dieser Messungen bei der Prüfung von Bauteilen aus Carbon stellt dabei eine gewisse Herausforderung dar. Die Zusammensetzung aus mehreren Schichten von Kohlefasermaterial erzeugt eine starke Streuung bzw. Abschwächung der Signale. Um die richtigen Rückschlüsse aus den Messungen zu ziehen, werden entsprechende Algorithmen entwickelt. Rechenmodelle ermöglichen die 3-dimensionale Rekonstruktion des Bauteilinneren. Maschinelles Lernen unterstützt die Detektion von kritischen Defekten.

Unten: Ultraschallprüfung ermöglicht Einblicke in das Innere von Carbon Bauteilen.