Un nuevo método para la evaluación cuantitativa de microgrietas en superficies de palas de turbina fusionando la detección triboeléctrica y aprendizaje profundo híbrido

Las microgrietas superficiales, un defecto común y grave en el mecanizado CNC de componentes de alto rendimiento como las palas de turbinas aeroeléctricas, actúan como sitios de concentración de tensión que reducen drásticamente la vida a fatiga del componente y amenazan la seguridad estructural del motor. Sin embargo, las técnicas existentes de ensayo no destructivo enfrentan desafíos para integrarse en herramientas de máquina con el fin de lograr una detección rápida, en línea y cuantitativa in situ de microdefectos en componentes curvos complejos. Para abordar esto, este artículo propone un nuevo paradigma de detección in situ basado en un nanogenerador triboeléctrico (TENG), con el objetivo de lograr una inversión cuantitativa de alta precisión de los parámetros geométricos de las microgrietas en superficies mecanizadas de palas. El mecanismo de influencia del ancho y profundidad de la grieta sobre la amplitud y anchura del pulso fue explicado mediante investigación experimental sistemática. Además, al construir características de señal multidimensionales que integran dominios temporal y frecuencial, se pueden desacoplar los efectos acoplados de ancho y profundidad. Para lograr un reconocimiento automatizado, construimos un modelo híbrido de aprendizaje profundo basado en CNN-BiLSTM, que puede extraer autónomamente la correlación intrínseca entre características espacio-temporales y parámetros geométricos de la grieta en la señal original, produciendo predicciones simultáneas y precisas de ancho y profundidad. Los resultados experimentales muestran que el error absoluto medio del modelo al predecir el ancho y la profundidad de microgrietas es tan bajo como 0,0091 mm y 0,0047 mm, respectivamente, y el coeficiente de determinación (R2) es superior a 0,989. Además, se confirmó la potencialidad de este método para identificar defectos como picaduras, grietas lineales y grietas en red. Este estudio no solo confirma el enorme potencial del TENG en el monitoreo de calidad inteligente en manufactura, sino que también provee un camino técnico sólido para el desarrollo de la próxima generación de sistemas inteligentes integrados de detección.