The use of periodic laser heating and phase sensitive thermography to evaluation the thickness of coatings

封面

如何引用文章

全文:

开放存取 开放存取
受限制的访问 ##reader.subscriptionAccessGranted##
受限制的访问 订阅存取

详细

The phase-sensitive laser thermography method is highly sensitive and allows you to control the uniformity and thickness of coatings made of various materials. The use of robotic manipulators as a scanning device allows you to carefully examine the surfaces of objects of complex shape in automatic mode. The article provides information about the layout of a robotic complex for laser phase-sensitive thermography based on a five-axis robotic arm, a laser with a power of up to 8 watts and a wavelength of 450 nm, as well as a COX CG640 thermal imager. Methods of processing experimental data for determining the thickness of coatings made of materials with low thermal conductivity are proposed. To test the approach, control samples were made of aluminum oxide coated with polypropylene in the range from 40 to 500 microns. It is established that the unevenness of the coating is rationally determined by the phase distribution of temperature fluctuations with a frequency of 0,1—1 Hz.

作者简介

A. Divin

Tambov State University named after G. R. Derzhavin; Tambov State Technical University

编辑信件的主要联系方式.
Email: divin.ag@tstu.ru
俄罗斯联邦, 392036, Tambov, Internatsionalnaya str., 33; 392000, Tambov, Sovetskaya str., 106

Yu. Zakharov

Tambov State University named after G. R. Derzhavin; Tambov State Technical University

Email: divin.ag@tstu.ru
俄罗斯联邦, 392036, Tambov, Internatsionalnaya str., 33; 392000, Tambov, Sovetskaya str., 106

D. Golovin

Tambov State University named after G. R. Derzhavin

Email: divin.ag@tstu.ru
俄罗斯联邦, 392036, Tambov, Internatsionalnaya str., 33

N. Karpova

Tambov State Technical University

Email: divin.ag@tstu.ru
俄罗斯联邦, 392000, Tambov, Sovetskaya str., 106

A. Tyurin

Tambov State University named after G. R. Derzhavin

Email: nano@tsutmb.ru
俄罗斯联邦, 392036, Tambov, Internatsionalnaya str., 33

A. Samodurov

Tambov State University named after G. R. Derzhavin

Email: nano@tsutmb.ru
俄罗斯联邦, 392036, Tambov, Internatsionalnaya str., 33

S. Karpov

Tambov State Technical University

Email: nano@tsutmb.ru
俄罗斯联邦, 392000, Tambov, Sovetskaya str., 106

V. Rodaev

Tambov State University named after G. R. Derzhavin

Email: nano@tsutmb.ru
俄罗斯联邦, 392036, Tambov, Internatsionalnaya str., 33

I. Zakharov

National Research University of Electronic Technology

Email: nano@tsutmb.ru
俄罗斯联邦, 124498, Moscow, Zelenograd, Shokin sq., 1

参考

  1. Zhang J., Cho Y., Kim J., Malikov A.K., Kim Y.H., Yi J.H., Li W. Non-Destructive Evaluation of Coating Thickness Using Water Immersion Ultrasonic Testing // Coatings. 2021. V. 11. No. 11. doi: 10.3390/COATINGS11111421
  2. Duan Y., Zhang H., Sfarra S., Avdelidis N.P., Loutas T.H., Sotiriadis G., Kostopoulos V., Fernandes H., Ion Petrescu F., Ibarra-Castanedo C., Maldague X.P. On the use of infrared thermography and acousto-ultrasonics NDT techniques for ceramic-coated sandwich structures // Energies. 2019. V. 12. No. 13. doi: 10.3390/en12132537
  3. Li Z., Wang C., Ju H., Li X., Qu Y., Yu J. Prediction Model of Aluminized Coating Thicknesses Based on Monte Carlo Simulation by X-ray Fluorescence // Coatings. 2022. V. 12. No. 6. doi: 10.3390/coatings12060764
  4. Song P., Xiao P., Liu J., Wang Y.H. The inspection of coating thickness uniformity of SiC-coated carbon-carbon (C/C) composites by laser-induced thermal-wave imaging // Carbon N. Y. 2019. V. 147. doi: 10.1016/j.carbon.2019.03.015
  5. Wu J., Li Y. Research on Non-destructive Testing Method of Coating Thickness of Turbine Blade // Journal of Physics: Conference Series. 2020. V. 1617. No. 1. doi: 10.1088/1742-6596/1617/1/012093
  6. Park J.W., Ha J.M., Seung H.M., Jang H., Choi W. Thickness evaluation of Cr coating fuel rod using encircling ECT sensor // Nucl. Eng. Technol. 2022. V. 54. No. 9. doi: 10.1016/j.net.2022.03.035
  7. Gong Y., Cao B., Zhang H., Sun F., Fan M. Terahertz based Thickness Measurement of Thermal Barrier Coatings Using Hybrid Machine Learning // Nondestruct. Test. Eval. 2023. doi: 10.1080/10589759.2023.2167991
  8. Vieweg N., Regner N., Dutzi K., Kutz J., Kehrt M., Steiger A., Kaya C., Stegmaier T. Online thickness measurements of acrylate-based coatings on knitted polyester fabric using terahertz time-domain spectroscopy // J. Ind. Text. 2023. V. 53. doi: 10.1177/15280837231207396
  9. Chulkov A.O., Nesteruk D.A., Shagdyrov B.I., Vavilov V.P. Erratum to: Method and Equipment for Infrared and Ultrasonic Thermographic Testing of Large-Sized Complex-Shaped Composite Products // Russian Journal of Nondestructive Testing. 2021. V. 57. P. 824. https://doi.org/10.1134/S1061830921090114.
  10. Schmid S., Reinhardt J., Grosse C.U. Spatial and temporal deep learning for defect detection with lock-in thermography // NDT E Int. 2024. V. 143. doi: 10.1016/j.ndteint.2024.103063
  11. Mezghani S., Perrin E., Vrabie V., Bodnar J. L., Marthe J., Cauwe B. Evaluation of paint coating thickness variations based on pulsed Infrared thermography laser technique // Infrared Phys. Technol. 2016. V. 76. doi: 10.1016/j.infrared.2016.03.018
  12. Moskovchenko A., Vavilov V., Švantner M., Muzika L., Houdková Š. Active IR thermography evaluation of coating thickness by determining apparent thermal effusivity // Materials (Basel). 2020. V. 13. No. 18. doi: 10.3390/ma13184057
  13. Marinetti S., Robba D., Cernuschi F., Bison P.G., Grinzato E. Thermographic inspection of TBC coated gas turbine blades: Discrimination between coating over-thicknesses and adhesion defects // Infrared Phys. Technol. 2007. V. 49. No. 3 SPEC. ISS. doi: 10.1016/j.infrared.2006.06.018
  14. Franke B., Sohn Y.H., Chen X., Price J.R., Mutasim Z. Monitoring damage evolution in thermal barrier coatings with thermal wave imaging // Surf. Coatings Technol. 2005. V. 200. No. 5—6. doi: 10.1016/j.surfcoat.2005.07.090
  15. Liu B., Zhang H., Fernandes H., Maldague X. Quantitative evaluation of pulsed thermography, lock-in thermography and vibrothermography on foreign object defect (FOD) in CFRP // Sensors (Switzerland). 2016. V. 16. No. 5. doi: 10.3390/s16050743
  16. Clarke D.R. Materials selections guidelines for low thermal conductivity thermal barrier coatings // Surf. Coatings Technol. 2003. V. 163—164. doi: 10.1016/S0257-8972(02)00593-5
  17. Narasimhan T.N. Fourier’s heat conduction equation: History, influence, and connections // Rev. Geophys. 1999. V. 37. No. 1. doi: 10.1029/1998RG900006
  18. Fourier J.B.J. The analytical theory of heat. 2009.
  19. Ahmadi M., Mostafavi G., Bahrami M. Natural convection from interrupted vertical walls // J. Heat Transfer. 2014. V. 136. No. 11. doi: 10.1115/1.4028369
  20. Divin A.G. et al. Application of Laser Scannung Thermography and Regression Analysis to Determine Characteristics of Defects in Polymer Composite Materials // Russ. J. Nondestruct. Test. 2024. V. 60. No. 1.

补充文件

附件文件
动作
1. JATS XML

版权所有 © Russian Academy of Sciences, 2025

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».