Artificial Intelligence-based corrosion sensing and prediction for aircraft applications

Corrosion causes enormous damage to mechanical structures in many industrial sectors, and the aviation sector is no exception. Aircraft operators, manufacturers and their suppliers in Austria and beyond are struggling with corrosion problems on a daily basis. In order to extend the service life of airframes without compromising safety, it is very important to have a clear picture of the state of corrosion (SoC) of the aircraft and its parts. Therefore, it is essential to develop methods suitable for real-time monitoring of the SoC and subsequent reliable notification of corrosion-related impairments of a structure.

The results published so far indicate that both ultrasound-based (e.g. acoustic emission, guided wave) and electrochemical sensors (e.g. electrochemical noise, impedance spectroscopy) are suitable for monitoring aircraft-relevant corrosion, but do not (yet) have the technological maturity for application in commercial aircraft. A major challenge in realizing reliable monitoring systems is the correlation between corrosive phenomena and (typically) noisy sensor data.

The AICorrSens project will achieve this by developing a multi-sensor setup for monitoring the SoC, based on ultrasonic, electrochemical and environmental sensors, coupled with advanced AI algorithms including computer-generated neural network architectures (AutoML) to identify relevant features of the multi-sensor data for corrosion monitoring. The training data will be generated when performing accelerated corrosion tests with coupons and demonstrator components equipped with sensors. By using AI for subsequent data analysis, noise from aircraft operations can be overcome, enabling real-time evaluation of the SoC in terms of detection, localization, typification and quantification using today's on-board corrosion detection methods.

The aim of the project is to transform the generated continuous data stream into classifications of the SoC that are intuitively understandable via a human-machine interface, including a qualified corrosion prediction by the AI ​​models generated from test campaigns.

[Original text]
"Artificial Intelligence-based corrosion sensing and prediction for aircraft applications"
Korrosion verursacht in vielen Industriebereichen enorme Schäden an mechanischen Strukturen, und der Luftfahrtsektor ist keine Ausnahme. Flugzeugbetreiber, Hersteller und deren Zulieferer in Österreich und darüber hinaus haben täglich mit Korrosionsproblemen zu kämpfen. Um die Lebensdauer von Flugzeugzellen zu verlängern, ohne die Sicherheit zu beeinträchtigen, ist es sehr wichtig, ein klares Bild über den Korrosionszustand (State of Corrosion - SoC) des Flugzeugs und seiner Teile zu haben. Daher ist es unerlässlich, Methoden zu entwickeln, die sich für die Echtzeit-Überwachung des SoC und die anschließende zuverlässige Benachrichtigung bei korrosionsbedingten Beeinträchtigungen einer Struktur eignen.

Die bisher publizierten Ergebnisse deuten darauf hin, dass sowohl Ultraschall-basierte (z.B. Acoustic Emission, Guided Wave) als auch elektrochemische Sensoren (z.B. elektrochemisches Rauschen, Impedanzspektroskopie) für die Überwachung flugzeugrelevanter Korrosion geeignet sind, aber (noch) nicht die technologische Reife für die Anwendung in Verkehrsflugzeugen besitzen. Ein großes Problem bei der Realisierung zuverlässiger Überwachungssysteme ist die Korrelation zwischen korrosiven Phänomenen und (typischerweise) verrauschten Sensordaten.

Das AICorrSens-Projekt wird dies durch die Entwicklung eines Multisensor-Setups zur Überwachung des SoC erreichen, das auf Ultraschall-, elektrochemischen und Umweltsensoren basiert und mit fortschrittlichen KI-Algorithmen einschließlich computergenerierter neuronaler Netzwerkarchitekturen (AutoML) gekoppelt ist, um relevante Merkmale der Multisensordaten für die Korrosionsüberwachung zu identifizieren. Die Trainingsdaten werden bei der Durchführung beschleunigter Korrosionstests mit Coupons und Demonstratorbauteilen, die mit Sensoren ausgestattet sind, generiert. Durch die Verwendung von KI für die anschließende Datenanalyse können Störsignale des Flugzeugbetriebs überwunden werden, sodass mit heutigen Korrosionsdetektionsmethoden an Bord eine Echtzeitauswertung des SoC in Bezug auf Detektion, Lokalisierung, Typisierung und Quantifizierung möglich ist. 

Ziel des Projekts ist es, den erzeugten kontinuierlichen Datenstrom in Klassifikationen des SoC zu transformieren, die über eine Mensch-Maschine-Schnittstelle intuitiv verständlich sind, einschließlich einer qualifizierten Korrosionsvorhersage durch die aus Testkampagnen generierten KI-Modelle.