Rapid machine learning based corrosion monitoring and prediction for a sustainable life cycle of aerospace materials

Korrosion führt unweigerlich zur Zersetzung von Konstruktionswerkstoffen und hat durch den erhöhten Materialverbrauch erhebliche Auswirkungen auf die Umwelt; der Luftfahrtsektor bildet hier keine Ausnahme. Insbesondere die Korrosion von Aluminiumteilen ist ein großes Problem, und in jüngster Zeit spielt auch die Zersetzung von Verbundwerkstoffen eine zentrale Rolle für eine nachhaltige Luftfahrtindustrie. Aus einem Bericht der US Air Force (USAF) geht hervor, dass Korrosion für fast ein Viertel der gesamten Wartungskosten und 15 % der gesamten Ausfallstunden verantwortlich ist. Erst kürzlich wurde festgestellt, dass die Ablösung der Farbe von Verbundwerkstoffen, insbesondere von eingebetteten Kupferstrukturen für den Blitzschutz des A350, zu einer starken Korrosion der darunter befindlichen Verbundwerkstoffstruktur führt und noch immer nicht gelöst ist. Diese beiden Beispiele zeigen, wie wichtig der Schutz vor Korrosion und Delamination sowie die frühzeitige Erkennung von Korrosionsschäden sind. Im Rahmen dieses Projekts wird eine schnelle, auf maschinellem Lernen basierende Korrosionsüberwachung und -vorhersage für einen nachhaltigen Lebenszyklus von Luft- und Raumfahrtmaterialien entwickelt.