Bovio, Igor (2006) Innovative method for damage identification and structural health monitoring based on vibration measurements. [Tesi di dottorato] (Unpublished)
Preview |
PDF
Tesi_di_dottorato_Bovio_Igor.pdf Download (13MB) | Preview |
Item Type: | Tesi di dottorato |
---|---|
Resource language: | English |
Title: | Innovative method for damage identification and structural health monitoring based on vibration measurements |
Creators: | Creators Email Bovio, Igor UNSPECIFIED |
Date: | 2006 |
Date type: | Publication |
Number of Pages: | 242 |
Institution: | Università degli Studi di Napoli Federico II |
Department: | Ingegneria dei trasporti "Luigi Tocchetti" |
Dottorato: | Trasporti |
Ciclo di dottorato: | 18 |
Coordinatore del Corso di dottorato: | nome email Torrieri, Vincenzo UNSPECIFIED |
Tutor: | nome email Lecce, Leonardo UNSPECIFIED |
Date: | 2006 |
Number of Pages: | 242 |
Keywords: | Structural health monitoring |
Settori scientifico-disciplinari del MIUR: | Area 08 - Ingegneria civile e Architettura > ICAR/05 - Trasporti |
Date Deposited: | 30 Jul 2008 |
Last Modified: | 30 Apr 2014 19:24 |
URI: | http://www.fedoa.unina.it/id/eprint/1052 |
DOI: | 10.6092/UNINA/FEDOA/1052 |
Collection description
[ITALIANO] Scopo della tesi è presentare una nuova metodologia, appartenente al campo dei Controlli Non Distruttivi, e basata su misure di vibrazioni, sviluppata dall’autore presso il Dipartimento di Progettazione Aeronautica dell’Università degli Studi di Napoli “Federico II”. Scopo della ricerca è stato sviluppare una tecnica di controllo non distruttivo che soddisfacesse la maggior parte dei requisiti necessari allo sviluppo di un sistema di Health Monitoring (monitoraggio dello stato di salute di una struttura), riducendo nel contempo la complessità sia dell’algoritmo di analisi dei dati sia della strumentazione necessaria per l’acquisizione degli stessi. La tecnica proposta è basata sulla acquisizione e sul confronto delle Funzioni di Risposta in Frequenza (FRF) della struttura monitorata, prima e dopo che un qualsivoglia danno insorga. Per effetto di un danneggiamento strutturale si viene a modificare il comportamento dinamico della struttura in termini di massa, rigidezza e smorzamento, e, conseguentemente, si avrà una variazione delle Funzioni di Risposta in Frequenza relative alla struttura danneggiata rispetto a quelle ricavate dalla struttura integra. Il metodo è quindi in grado di rilevare l’insorgere di un danneggiamento (identificazione), localizzarne la posizione (individuazione), ed indicarne l’eventuale accrescimento e propagazione (quantificazione). Ai fini della valutazione quantitativa della variazione tra le Funzioni di Risposta in Frequenza della struttura integra e di quella danneggiata è stato definito un indice detto “del danno”, il quale fornisce direttamente la misura dell’eventuale presenza del danneggiamento strutturale. La sopra citata metodologia è stata applicata su di un pannello reale di fusoliera di un MD11, su di un pannello realizzato in materiale composito di tipo aeronautico, e su di un velivolo ATR-72. È stato sviluppato inoltre un algoritmo di Reti Neurali al fine di ottenere un metodo di apprendimento basato sulla ricognizione. Questa tecnica di apprendimento consente di addestrare la rete neurale rendendola in grado di riconoscere solo gli esempi “positivi”, scartando, di conseguenza, quelli “negativi”. Nell’ambito di un controllo non distruttivo di una struttura un esempio “positivo” rappresenta uno stato di “salute” del componente strutturale analizzato, e, ovviamente, un esempio “negativo” rappresenta uno stato “danneggiato” dello stesso. Sulla base di questo obiettivo le reti neurali sono state addestrate facendo uso delle stesse FRF, relative alle strutture “sane”, impiegate per la determinazione degli Indici del Danno. Con riferimento al danno: corrosione, danneggiamento di rivetti di collegamento, cricche, impatti su strutture ed altre tipologie di danneggiamenti sono stati indotti sugli articoli di prova. Relativamente al sistema di eccitazione e sensoristica, dispositivi magnetostrittivi sono stati impiegati quali attuatori, e piastrine piezoceramiche in qualità di attuatori e sensori. Inoltre è stato impiegato, per l’acquisizione delle FRF, anche un sistema di vibrometria laser a scansione. Queste tecniche consentiranno lo sviluppo di un sistema di Health Monitoring automatico in grado di identificare danni strutturali in tempo reale, aumentando l’affidabilità strutturale e riducendo i costi di manutenzione. / [ENGLISH] The purpose of the thesis is to present an innovative application within the Non Destructive Testing field based upon vibration measurements developed by the author at the Department of Aeronautical Engineering of the University of Naples “Federico II” (Italy). The aim of the research has been to develop a Non Destructive Test (NDT) which meets most of the mandatory requirements for effective health monitoring systems while, at the same time, reducing as much as possible the complexity of the data analysis algorithm and the experimental acquisition instrumentation. This proposed new method is based upon the acquisition and comparison of the Frequency Response Functions (FRFs) of the monitored structure before and after a damage occurs. Structural damage modifies the dynamic behaviour of a structure affecting its mass, stiffness and damping and consequently the FRFs of a damaged structure, when compared with the FRFs of a sound structure, makes the identification, localization and quantification of structural damage possible. The activities presented in this thesis focus mainly on a new FRFs processing technique based upon the determination of a representative “Damage Index” for identifying and analysing damage on real-scale aeronautical structural components, such as large-scale fuselage reinforced panels, on aeronautical composite panels and on a real ATR-72 aircraft. Furthermore, a dedicated neural network algorithm has been elaborated aimed at obtaining a “recognition-based learning” method. This kind of learning methodology permits us to train the neural network in order to enable it to recognise only “positive” examples and consequently discarding “negative” ones. Within the structural NDT a “positive” example means a “healthy” state of the analysed structural component and, obviously, a “negative” example means a “damaged” or perturbed state. With this objective in mind the neural network has been trained to make use of the same FRFs of the healthy structure used in determining the Damage Index. Regarding damage, corrosion, failure of linking rivets, simple cracks, impacts on structure and other kind of damage have been induced on the test articles. From an architectural standpoint, magnetostrictive devices have been tested as actuators, and piezoceramic patches as actuators and sensors. Besides it has been used a laser-scanning vibrometer system to acquire the FRFs. These techniques promise to bring us a step forward in the implementation of an automatic “health monitoring” system which will be able to identify structural damage in real time thereby improving safety and reducing maintenance costs.
Downloads
Downloads per month over past year
Actions (login required)
View Item |