Modelling and monitoring of composite structures subjected to extreme load events

The use of composite materials has completely redefined the technological limits in a large variety of engineering fields. Two of the sectors that has advantaged more from the application of these materials are the aeronautical and wind power industries. For the former, the high strength-to-weight and stiffness-to-weight ratio typical of composites has allowed to design aircrafts that can travel larger distances with heavier payloads. For the latter, the employment of composites materials, particularly on the blades, has significantly increased the upper limit of the turbines swept area, incrementing the energy that each individual turbine can harvest. However, the use of composite materials has created new challenges never faced with traditional materials. These challenges are mainly related to the complex failure mechanisms of composites, inherent to their heterogeneous and, sometimes, laminated nature. Consequently, in the past years several approaches have been proposed to understand, predict or detect damage of composite materials. Particularly, the structural healthy monitoring (SHM) methodology has demonstrated to be a firm candidate to solve the challenges presented. An SHM system predicts the condition of the analysed structure based on data obtained from several sensors installed into the structure. In particular, SHM systems based on the propagation information of ultrasonic guided waves has been widely studied due to its suitability for the properties of structures commonly used in the aeronautical and wind power sectors. Within this frame of reference, the overall scope of this thesis is the creation of an ultrasonic-based damage diagnosis algorithm to detect, localise and, eventually, quantify the damage on composite structures. This would allow to increase the reliability and robustness of an SHM system. Specifically, in the first part of the thesis, a critical discussion of one of the most commonly employed damage localisation algorithms, namely the RAPID algorithm, is done in order to identify its intrinsic flaws. Successively, several solutions are proposed based on the post-processing of the RAPID output and the optimisation of the sensor positions. The second part of this thesis deals with the creation of a convolutional neural network-based algorithm able to perform a full diagnosis of the structure conditions by detecting, localising and quantifying damages in different types of composite material panels.

L’uso dei materiali compositi ha completamente ridefinito i limiti tecnologici in un’ampia varietà di settori ingegneristici. Due dei settori che hanno trovato un maggiore beneficio dell’uso di questo tipo di materiali sono l’aerospaziale e l’eolico. Per quanto riguarda al secondo, l’eccellente rapporto resistenza-peso e rigidezza-peso, tipici dei materiali compositi, hanno permesso di progettare velivoli che possono viaggiare distanze più lunghe con un maggiore carico utile. Per quanto riguarda al settore eolico, l’impiego di materiali compositi, con particolare attenzione sulle pale delle turbine, ha significato un incremento del limite superiore di area spazzata, incrementando allo stesso tempo la raccolta energetica per turbina. Tuttavia, l’utilizzo dei materiali compositi ha creato nuove sfide mai affrontate con l’uso di materiali tradizionali. Queste sfide riguardano principalmente alla complessità e variabilità dei meccanismi di rottura dei materiali compositi che sono inerenti alla sua natura eterogenea e, in alcune occasioni, laminata. Di conseguenza, negli anni scorsi, diversi approcci sono stati proposti per cercare di capire, predire oppure rilevare danni in materiali compositi. In particolare, la metodologia del monitoraggio strutturale (SHM) ha dimostrato di essere una delle soluzioni più adatte per risolvere le sfide presentate. Un sistema di monitoraggio strutturale è capace di predire la condizione della struttura analizzata sulla base di dati provenienti di una serie di sensori installati sulla struttura. Particolarmente, i sistemi di monitoraggio strutturale bassati sulla propagazione di onde ultrasoniche guidate sono stati ampiamente studiati grazie alla idoneità che presentano per strutture tipicamente usate nei settori aerospaziale ed eolico. In questo contesto, lo scopo generale della presente tesi è la creazione di algoritmi basati sulla propagazione di onde ultrasoniche in modo di fornire una diagnosi di danno completa in strutture costruite in materiali compositi. Con diagnosi completa si intende la rilevazione, localizzazione e, eventualmente, quantificazione del danno. Questo permetterebbe di incrementare l’affidabilità e robustezza complessiva di un sistema di monitoraggio strutturale. Specificamente, nella prima parte di questa tesi si realizza una discussione critica di uno degli algoritmi di diagnosi del danno più utilizzati, ovvero l’algoritmo RAPID, in modo di individuare le carenze intrinseche a questo algoritmo. Successivamente, si propongono diverse soluzioni basate sulla post-elaborazione dell’output dato dall’algoritmo RAPID, e sull’ottimizzazione della posizione dei sensori. La seconda parte della tesi si occupa della creazione di un algoritmo bassato sull’implementazione di una rete neurale convolutiva (CNN) al fine di eseguire una diagnosi completa della condizione strutturale, rilevando, localizzando e quantificando danni in pannelli realizzati con diversi materiali compositi.