Monitoraggio strutturale (structural health monitoring) di laminati CFRP tramite reticoli di Bragg in fibra ottica

Lo studio si propone di valutare la capacità dei reticoli di Bragg in fibra ottica, di individuare e monitorare danneggiamenti presenti all'interno di laminati in composito, tramite l'analisi degli spettri riflessi dai reticoli stessi. Sono stati utilizzati due tipi diversi di stratificazione dei laminati, per valutare il diverso comportamento dei reticoli di Bragg inseriti all'interno dei laminati. Le proprietà dei materiali e degli spettri riflessi dai reticoli, sono state messe in relazione qualitativamente e quantitativamente, al fine di sviluppare un valido metodo di Structural Health Monitoring.

Applicazione di reticoli di Bragg "chirped" per il monitoraggio strutturale di laminati CFRP

L’uso dei materiali compositi è andato aumentando negli ultimi decenni per la loro elevata rigidezza, la resistenza specifica e il possibile risparmio, notevole in termini di peso dell’intera struttura. Tali materiali introducono però nuove problematiche riguardanti le modalità di danneggiamento e il comportamento a fatica. Mentre questi fenomeni sono relativamente ben compresi nei materiali metallici, per una struttura in composito non esistono ancora modelli in grado di predire con sufficiente affidabilità l’evoluzione del danneggiamento. Negli ultimi anni la ricerca si è focalizzata sullo sviluppo di sistemi in grado di rilevare la presenza e l’evoluzione del danno, definiti Structural Health Monitoring Systems, ovvero sistemi di monitoraggio strutturale. Il danneggiamento strutturale può così essere individuato e identificato per mezzo di sensori distribuiti integrati nella struttura stessa, aventi la possibilità di trasmettere queste informazioni a un sistema di analisi esterno permettendo di valutare lo stato di degrado della struttura in tempo reale. In questo contesto si inseriscono le attività di ricerca sulle strutture intelligenti che, inglobando al loro interno opportune tipologie di sensori e attuatori, sono in grado di monitorare l’ambiente fisico operativo, raccoglierne e interpretarne le informazioni per poi rispondere ai cambiamenti della struttura in modo appropriato attraverso gli attuatori. L’impiego di sensori e attuatori inglobati nelle strutture offre molteplici vantaggi rispetto ai sistemi di trasduzione e attuazione convenzionali. L’attività di ricerca condotta in questa tesi è rivolta all’indagine di tecniche di SHM per mezzo di sensori a fibra ottica. Essi presentano molteplici peculiarità che li rendono i candidati ideali per queste applicazioni. Esistono diversi tipi di sensori che utilizzano le fibre ottiche. Nel presente lavoro si sono utilizzati sensori di deformazione basati sui reticoli di Bragg (FBG) chirped. Questi sensori sono costituiti da un reticolo inscritto all’interno della fibra, che ha l’effetto di riflettere solo alcune lunghezze d’onda della luce incidente. Se le proprietà geometriche del reticolo cambiano per effetto di una deformazione, cambia anche la forma dello spettro riflesso. Inoltre, con il tipo di sensore usato, è possibile correlare lo spettro con la posizione di eventuali danneggiamenti interni al materiale. Gli obbiettivi di questa ricerca sono di verificare gli effetti della presenza di una fibra ottica sulle caratteristiche meccaniche di un laminato e di trovare un legame tra la risposta in frequenza del sensore FBG e lo stato tensionale e il grado di danneggiamento di un componente in composito.

Sviluppo di un sistema di monitoraggio dello stato di deformazione di un albero da imbarcazione in materiale composito tramite Reticoli di Bragg in fibra ottica.

Attraverso svariate prove tecnologiche, pratiche ed ottiche, si è posta la base per lo sviluppo di un sistema di misurazione delle deformazioni su un albero navale in materiale composito attraverso sensori ottici. L'attività ha messo in luce diverse problematiche relative all'inglobamento delle fibre ottiche nel materiale composito e molte altre attinenti la tecnologia basata su Reticoli di Bragg fotoincisi sulla fibra ottica.

Finite Element Modeling of Spiral Frequency Steerable Acoustic Transducers (FSATs) for guided waves based Structural Health Monitoring of plate-like structures

Structural Health Monitoring (SHM) is an emerging area of research associated to improvement of maintainability and the safety of aerospace, civil and mechanical infrastructures by means of monitoring and damage detection. Guided wave structural testing method is an approach for health monitoring of plate-like structures using smart material piezoelectric transducers. Among many kinds of transducers, the ones that have beam steering feature can perform more accurate surface interrogation. A frequency steerable acoustic transducer (FSATs) is capable of beam steering by varying the input frequency and consequently can detect and localize damage in structures. Guided wave inspection is typically performed through phased arrays which feature a large number of piezoelectric transducers, complexity and limitations. To overcome the weight penalty, the complex circuity and maintenance concern associated with wiring a large number of transducers, new FSATs are proposed that present inherent directional capabilities when generating and sensing elastic waves. The first generation of Spiral FSAT has two main limitations. First, waves are excited or sensed in one direction and in the opposite one (180 ̊ ambiguity) and second, just a relatively rude approximation of the desired directivity has been attained. Second generation of Spiral FSAT is proposed to overcome the first generation limitations. The importance of simulation tools becomes higher when a new idea is proposed and starts to be developed. The shaped transducer concept, especially the second generation of spiral FSAT is a novel idea in guided waves based of Structural Health Monitoring systems, hence finding a simulation tool is a necessity to develop various design aspects of this innovative transducer. In this work, the numerical simulation of the 1st and 2nd generations of Spiral FSAT has been conducted to prove the directional capability of excited guided waves through a plate-like structure.

Smart structures: sperimentazione mediante attuatori e sensori innovativi

L’idea di base della seguente tesi, finora mai applicata o descritta in letteratura scientifica in base alle ricerche effettuate, è stata quella di creare un sistema di monitoraggio strutturale intelligente (Structural Health Monitoring, SHM) mediante dei sensori di deformazione a reticolo di Bragg (Fiber Bragg Grating, FBG), incollati su fili a memoria di forma inseriti a loro volta, bloccati con opportuni ancoraggi esterni, in sei travi di betoncino cementizio armato. L’obbiettivo della sperimentazione è stato quindi quello di creare delle travi intelligenti che, in condizioni di carico eccezionali e critiche (monitorate dal sensore a fibra ottica), sapessero “autoripararsi” mediante gli attuatori a memoria di forma con un processo di riscaldamento appositamente progettato.

Structural health of a road tunnel intersecting a large and active rockslide

This work presents the case of the San Lorenzo road tunnel, a transportation infrastructure located in the northern part of Italy, involved in the so-called Passo della Morte landslide. This tunnel crosses a large rockslide characterized by slow movements. Damages like water seepage inside the tunnel and concrete lining detachments have surfaced through the years, increasing the risk. This work develops the objective of tracing back the landslide-induced stresses directly responsible for the cracks’ pattern on the most damaged segments of the tunnel. The first section of this work gives information about the global framework: site geography and its strategic relevance, geological setting, hydrological and climate conditions will be provided. The road tunnel infrastructure and its interaction with the landslide phenomena will be discussed together with the active monitoring system, which has been working for more than 20 years. In the second part the several steps and tools used to add more details about the road damages are reported. A visualization of the actual state of the most damaged portions of the road has been reached. Then the attention has been addressed to the stresses acting on the road tunnel’s aforesaid portions, developing a FEM model of a section of the tunnel through a selected software. This latter process can be deemed as a beginning for further developments. Some preliminary results are shown to demonstrate the goodness of the assumptions made. The possible future set by this work aims at constant enlargement of information to be provided to the FEM software, and at the validation of the obtained results through the monitoring data interpretative tools.

Progetto di una sorgente a diodi laser con accoppiamento in fibra ottica per applicazioni biomedicali

Il progetto si riferisce in generale a sorgenti di radiazioni Laser in cui i fasci luminosi, provenienti da più emettitori, vengono combinati tramite diverse tecniche in un unico fascio in uscita per l'accoppiamento in una fibra ottica o guida d'onda.

Simulazione numerica di sensori in fibra ottica distribuiti per rilevamento del danno in materiali compositi

Le fibre ottiche sono materiali costituiti al loro interno da fibre di vetro o filamenti polimerici. Esse attualmente trovano grande impiego nel campo della telecomunicazione, ma è assai importante lo sviluppo che stanno ottenendo nel campo del monitoraggio strutturale. L’obiettivo del lavoro descritto in questo elaborato finale è di riuscire a sviluppare un programma in grado di computare una simulazione analitico-parametrica riguardante i segnali restituiti da un sensore in fibra ottica. In particolare, sono stati creati due codici (Codice 1 e Codice 2) per sostenere un Codice Esistente. Quest’ultimo prende in input dei dati sperimentali che, invece di essere ottenuti da prove in laboratorio, sono prodotti in uscita dal Codice 1, il quale simula prove a fatica o statiche in provini di diverso materiale. Attraverso l’analisi di questi dati, il codice finale crea delle curve probabilistiche in grado di asserire con quanta probabilità e con quale confidenza è possibile valutare i risultati esplicitati dallo strumento di rilevazione, che in questo caso è un sensore in fibra ottica. D’altra parte, il Codice 2 analizza le conseguenze nella Probability of Detection e confidenza al variare dei parametri maggiormente influenti nel modello.

Valutazione analitica delle aree di delaminazione in materiali compositi avanzati soggetti ad impatti a bassa velocità

In questo lavoro di tesi è stato elaborato un modello analitico al fine di ottenere una stima dell’ampiezza di delaminazione a seguito di impatti a bassa velocità in laminati in composito, in particolare carbon/epoxy. Nel capitolo 2 è descritto il comportamento meccanico di tali laminati (equazioni costitutive della singola lamina, dell’intero laminato e costanti ingegneristiche dell’intero laminato per qualsiasi sistema di riferimento). Nel capitolo 3 viene descritta la filosofia di progettazione damage tolerance per tali materiali sottoposti a low-velocity impact (LVI) e richiamato il concetto di structural health monitoring. In particolare vengono descritti i tipi di difetti per un laminato in composito, vengono classificati gli impatti trasversali e si rivolge particolare attenzione agli impatti a bassa velocità. Nel paragrafo 3.4 sono invece elencate diverse tecniche di ispezione, distruttive e non, con particolare attenzione alla loro applicazione ai laminati in composito. Nel capitolo 4 è riportato lo stato dell’arte per la stima e la predizione dei danni dovuti a LVI nei laminati: vengono mostrate alcune tecniche che permettono di stimare accuratamente l’inizio del danno, la profondità dell’indentazione, la rottura delle fibre di rinforzo e la forza massima di impatto. L’estensione della delaminazione invece, è difficile da stimare a causa dei numerosi fattori che influenzano la risposta agli impatti: spesso vengono utilizzati, per tale stima, modelli numerici piuttosto dispendiosi in termini di tempo e di calcolo computazionale. Nel capitolo 5 viene quindi mostrata una prima formula analitica per il calcolo della delaminazione, risultata però inaffidabile perché tiene conto di un numero decisamente ristretto di fattori che influenzano il comportamento agli LVI. Nel capitolo 6 è mostrato un secondo metodo analitico in grado di calcolare l’ampiezza di delaminazione mediante un continuo aggiornamento della deflessione del laminato. Dal confronto con numerose prove sperimentali, sembra che il modello fornisca risultati vicini al comportamento reale. Il modello è inoltre fortemente sensibile al valore della G_IIc relativa alla resina, alle dimensioni del laminato e alle condizioni di vincolo. É invece poco sensibile alle variazioni delle costanti ingegneristiche e alla sequenza delle lamine che costituiscono il laminato. La differenza tra i risultati sperimentali e i risultati del modello analitico è influenzata da molteplici fattori, tra cui il più significativo sembra essere il valore della rigidezza flessionale, assunto costante dal modello.

Campionamento e ricostruzione di immagini full wavefield per il monitoraggio strutturale

L'elaborato affronta la definizione di differenti strategie per il campionamento e la ricostruzione di segnali wavefield per applicazioni di monitoraggio strutturale. In accordo con quanto indicato dalla teoria del Compressive Sensing, obiettivo della tesi è la minimizzazione del numero di punti di acquisizione al fine di ridurre lo sforzo energetico del campionamento. I risultati sono validati in ambiente Matlab utilizzando come riferimento segnali acquisiti su setup sperimentali in alluminio o materiale composito in presenza di diverse tipologie di difetto.

Studio di un sistema di comunicazione ad alimentazione risonante wireless.

L'elaborato tratta della progettazione di un sistema di alimentazione wireless risonante per i nodi sensori, strumenti fondamentali per il controllo delle strutture(Structural Health Monitoring). Esso si concentra sulla realizzazione di un convertitore flyback risonante (con circuito di snubber incluso per il main switch) in grado di fornire una tensione di 5 Volt in uscita a fronte di una corrente media massima sul carico di 800mA data una tensione di 12 volt in ingresso. Dopo aver introdotto il concetto di Wireless Power Transfer (WPT) e i principi fisici su cui esso poggia (induzione elettromagnetica e risonanza elettromagnetica), si presentano i modelli circuitali più utilizzati in questo ambito. Una volta illustrate le conoscenze allo stato dell'arte dell'accoppiamento induttivo risonante, si analizza il comportamento del modello scelto, al fine di evidenziare i vantaggi dell'utilizzo del circuito alla frequenza di risonanza. Sono state effettuate simulazioni con il simulatore LTspice come controprova. Si passa quindi a dimensionare i vari elementi del circuito a fronte delle specifiche stabilite. Grazie ai risultati ottenuti, si procede alla stesura del Bill Of Materials. La tesi si conclude presentando i possibili campi di ricerca e sviluppo del sistema di alimentazione.

Deep Learning Architectures for time of arrival detection in Acoustic Emissions Monitoring

Acoustic Emission (AE) monitoring can be used to detect the presence of damage as well as determine its location in Structural Health Monitoring (SHM) applications. Information on the time difference of the signal generated by the damage event arriving at different sensors is essential in performing localization. This makes the time of arrival (ToA) an important piece of information to retrieve from the AE signal. Generally, this is determined using statistical methods such as the Akaike Information Criterion (AIC) which is particularly prone to errors in the presence of noise. And given that the structures of interest are surrounded with harsh environments, a way to accurately estimate the arrival time in such noisy scenarios is of particular interest. In this work, two new methods are presented to estimate the arrival times of AE signals which are based on Machine Learning. Inspired by great results in the field, two models are presented which are Deep Learning models - a subset of machine learning. They are based on Convolutional Neural Network (CNN) and Capsule Neural Network (CapsNet). The primary advantage of such models is that they do not require the user to pre-define selected features but only require raw data to be given and the models establish non-linear relationships between the inputs and outputs. The performance of the models is evaluated using AE signals generated by a custom ray-tracing algorithm by propagating them on an aluminium plate and compared to AIC. It was found that the relative error in estimation on the test set was < 5% for the models compared to around 45% of AIC. The testing process was further continued by preparing an experimental setup and acquiring real AE signals to test on. Similar performances were observed where the two models not only outperform AIC by more than a magnitude in their average errors but also they were shown to be a lot more robust as compared to AIC which fails in the presence of noise.

Machine Learning Unsupervised Methods in the Design of an On-board Health Monitoring System for Satellite Applications

The dissertation starts by providing a description of the phenomena related to the increasing importance recently acquired by satellite applications. The spread of such technology comes with implications, such as an increase in maintenance cost, from which derives the interest in developing advanced techniques that favor an augmented autonomy of spacecrafts in health monitoring. Machine learning techniques are widely employed to lay a foundation for effective systems specialized in fault detection by examining telemetry data. Telemetry consists of a considerable amount of information; therefore, the adopted algorithms must be able to handle multivariate data while facing the limitations imposed by on-board hardware features. In the framework of outlier detection, the dissertation addresses the topic of unsupervised machine learning methods. In the unsupervised scenario, lack of prior knowledge of the data behavior is assumed. In the specific, two models are brought to attention, namely Local Outlier Factor and One-Class Support Vector Machines. Their performances are compared in terms of both the achieved prediction accuracy and the equivalent computational cost. Both models are trained and tested upon the same sets of time series data in a variety of settings, finalized at gaining insights on the effect of the increase in dimensionality. The obtained results allow to claim that both models, combined with a proper tuning of their characteristic parameters, successfully comply with the role of outlier detectors in multivariate time series data. Nevertheless, under this specific context, Local Outlier Factor results to be outperforming One-Class SVM, in that it proves to be more stable over a wider range of input parameter values. This property is especially valuable in unsupervised learning since it suggests that the model is keen to adapting to unforeseen patterns.