Multimodale und multiskalige Charakterisierung komplexer Bauteile am Beispiel von Turbinenschaufeln

Autor: Tim Sliti

ISBN: 978-3-95900-810-5

Dissertation, Leibniz Universität Hannover, 2023

Herausgeber der Reihe: Eduard Reithmeier

Band-Nr.: IMR 01/2023

Umfang: 181 Seiten, 83 Abbildungen

Schlagworte: Multisensorsystem, Datenfusion, optische Messtechnik

Kurzfassung: Bei der Instandhaltung und Qualitätssicherung von Bauteilen ist eine umfassende Zustandscharakterisierung notwendig, um eine fundierte Aussagen über den Ist-Zustand treffen zu können. Diese Arbeit befasst sich mit der multimodalen Messung von Turbinenschaufeln von Flugtriebwerken. Während des Betriebs unterliegen diese hohen Belastungen, welche zu funktionskritischen Verschleißerscheinungen führen können. Ziel dieser Arbeit ist die Entwicklung eines Messsystems, das in der Lage ist diese Verschleißerscheinungen zu erfassen.
Hierzu wurden unterschiedliche Sensoren, die jeweils Teilaspekte des Bauteilzustands abbilden können, zu einem Multisensorsystem zusammengeführt. Zur Rekonstruktion der makroskopischen Gestalt wird ein Streifenprojektionssystem eingesetzt. Zur Auswertung der flächigen Messungen und Detektion von Oberflächenmerkmalen wie Kühlluftbohrungen und Beschädigungen, werden Algorithmen basierend auf geometrischen Eigenschaften sowie neuronalen Netzen implementiert. Um die Oberflächeneigenschaften der Turbinenschaufeln zu charakterisieren wird ein Beleuchtungssensor entwickelt. Dieser bildet die Grundlage für eine modellbasierte Charakterisierung der Reflexionseigenschaften, was eine Unterscheidung verschiedener Bereiche ermöglicht. Zur Erweiterung der darstellbaren Skalenbereiche wird ein Kurzkohärenz-Interferometer zur Rekonstruktion von Mikrostrukturen in das Messsystem integriert. Für alle Sensoren und die im Messsystem verwendete Aktorik werden Strategien zur Kalibrierung der Komponenten zueinander implementiert, sodass eine Fusion der Daten in ein einheitliches Koordinatensystem ermöglicht wird. Auf diese Weise kann eine 3D-Darstellung der Turbinenschaufel erstellt werden, die mit den zusätzlichen Erkenntnissen der eingesetzten Algorithmen und Sensoren
ergänzt wird. Durch die Kombination dieser Daten wird der Informationsgehalt des Modells erhöht, was eine umfassendere Beurteilung des Zustands der Turbinenschaufeln ermöglicht.