Περίληψη
Συνοπτική παρουσίαση και σχολιασμός της διδακτορικής διατριβής. Η παρούσα διδακτορική διατριβή πραγματεύεται το θέμα της πρόβλεψης της εναπομένουσας χρήσιμης ζωής αεροναυπηγικών κατασκευών από σύνθετα υλικά αξιοποιώντας δεδομένα από αισθητήρες παρακολούθησης δομικής ακεραιότητας. Πιο συγκεκριμένα, αναπτύσσονται μεθοδολογίες για τη δημιουργία ευαίσθητων και εύρωστων Δεικτών Βλάβης, από δεδομένα παραμορφώσεων και ακουστικής εκπομπής, για την παρακολούθηση της υποβάθμισης των ιδιοτήτων της κατασκευής και στη συνέχεια, οι δείκτες αυτοί χρησιμοποιούνται για την πρόβλεψη της εναπομένουσας χρήσιμης ζωής όμοιων κατασκευών.Η σημαντικότερη συνεισφορά της παρούσας διατριβής στην επιστημονική γνώση εντοπίζεται στα εξής: •Πραγματοποιούνται πειράματα κόπωσης σε δομές σύνθετων υλικών με νεύρα δυσκαμψίας με διαφορετικά, μεταβαλλόμενα φορτία και η δομική τους ακεραιότητα παρακολουθείτε σε πραγματικό χρόνο από συστήματα SHM. Μέχρι πρότεινως η βιβλιογραφία δεν έχει ασχοληθεί με κόπωση σε σύνθετες υποδομ ...
Συνοπτική παρουσίαση και σχολιασμός της διδακτορικής διατριβής. Η παρούσα διδακτορική διατριβή πραγματεύεται το θέμα της πρόβλεψης της εναπομένουσας χρήσιμης ζωής αεροναυπηγικών κατασκευών από σύνθετα υλικά αξιοποιώντας δεδομένα από αισθητήρες παρακολούθησης δομικής ακεραιότητας. Πιο συγκεκριμένα, αναπτύσσονται μεθοδολογίες για τη δημιουργία ευαίσθητων και εύρωστων Δεικτών Βλάβης, από δεδομένα παραμορφώσεων και ακουστικής εκπομπής, για την παρακολούθηση της υποβάθμισης των ιδιοτήτων της κατασκευής και στη συνέχεια, οι δείκτες αυτοί χρησιμοποιούνται για την πρόβλεψη της εναπομένουσας χρήσιμης ζωής όμοιων κατασκευών.Η σημαντικότερη συνεισφορά της παρούσας διατριβής στην επιστημονική γνώση εντοπίζεται στα εξής: •Πραγματοποιούνται πειράματα κόπωσης σε δομές σύνθετων υλικών με νεύρα δυσκαμψίας με διαφορετικά, μεταβαλλόμενα φορτία και η δομική τους ακεραιότητα παρακολουθείτε σε πραγματικό χρόνο από συστήματα SHM. Μέχρι πρότεινως η βιβλιογραφία δεν έχει ασχοληθεί με κόπωση σε σύνθετες υποδομές ιδιαίτερα σε κόπωση μεταβλητού πλάτους. Η συγκεκριμένη εργασία παρέχει χρήσιμη διορατικότητα για την συμπεριφορά σύνθετων υποδομών στην κόπωση καθώς και μία αρκετά πλήρη βάση δεδομένων. •Αξιοποιούνται δεδομένα μη καταστροφικού ελέγχου για την κατασκευή Δεικτών Βλάβης ικανών να αντιπροσωπεύσουν την διαδικασία της υποβάθμισης. Με κατάλληλη επεξεργασία των δεδομένων από αισθητήρες μη καταστροφικού ελέγχου κατασκευάστηκαν απλοί και σύνθετοι δείκτες βλάβης οι οποίοι αξιοποιούνται για την πρόβλεψη της εναπομένουσας χρήσιμης ζωής των σύνθετων υποδομών. Οι προβλέψεις ήταν αρκετά εύστοχες καταδεικνύοντας την ικανότητας των προτεινόμενων μεθοδολογιών. •Πραγματοποιήθηκε επίσης μελέτη upscaling των μεθοδολογιών σε πιο σύνθετες δομές, δηλαδή δομές με πολλαπλά νεύρα δυσκαμψίας. Πειράματα κόπωσης σε τόσο σύνθετες υποδομές είναι πρωτόγνωρα καθώς και η αξιοποίηση δεδομένων μη καταστροφικού ελέγχου για την παρακολούθηση της δομικής τους ακεραιότητας. Στόχοι της διδακτορικής διατριβήςΟ στόχος της διατριβής είναι η κατασκευή ευαίσθητων και εύρωστων Δεικτών Βλάβης ικανών να αποτυπώσουν την διαδικασία της υποβάθμισης αεροπορικών υποδομών από σύνθετα υλικά που υποβάλλονται σε κόπωση θλιπτικού φορτίου σταθερού, μεταβαλλόμενου και τυχαίου πλάτους. Για την βελτίωση των προβλέψεων της εναπομένουσας χρήσιμης ζωής, οι δείκτες αυτοί είναι επιθυμητό να έχουν τα χαρακτηριστικά της μονοτονίας και της προβλεψιμότητας και για αυτό το λόγο πραγματοποιείται βελτιστοποίηση με γνώμονα τα προαναφερθέντα χαρακτηριστικά. Ως τελικός στόχος της παρούσας εργασίας τίθεται η εύστοχη πρόβλεψη της εναπομένουσας χρήσιμης ζωής των αεροπορικών υποδομών, το οποίο επιτεύχθηκε με πολύ καλή ακρίβεια παρά τις δυσκολίες λόγω πολυπλοκότητας των πειραμάτων. Ένας δευτερεύων στόχος είναι το upscaling των μεθοδολογιών σε αντιπροσωπευτικές δομές αεροσκαφών. Παρόλο που γίναν κάποιες παραδοχές για τη συσχέτιση των πειραμάτων η προσπάθεια upscaling χαρακτηρίστηκε επιτυχής, αφήνοντας ωστόσο ενδεχόμενα βελτίωσης και βελτιστοποίησης.Οι ανωτέρω γενικοί στόχοι τμηματοποιούνται στα επιμέρους: •Εξαγωγή δεδομένων μη καταστροφικού ελέγχου από πειράματα κόπωσης σταθερού, μεταβαλλόμενου και τυχαίου πλάτους •Κατασκευή Δεικτών Βλάβης, από δεδομένα παραμορφώσεων και ακουστικής εκπομπής, ικανών να αναπαραστήσουν την διαδικασία της υποβάθμισης •Συγχώνευση/ ένωση των Δεικτών Βλάβης από δεδομένα παραμόρφωσης για την δημιουργία ενός ανώτερου Δείκτη Βλάβης για βελτίωση των προβλέψεων εναπομένουσας χρήσιμης ζωής. •Εξερεύνηση χρονικού και συχνοτικού πεδίου για εύρεση χαρακτηριστικών υποβάθμισής από τα δεδομένα ακουστικής εκπομπής. •Συσχέτιση των Δεικτών Βλάβης με την αυξανόμενη βλάβη. •Πρόβλεψη της εναπομένουσας χρήσιμης ζωής με τη χρήση μοντέλων μηχανικής μάθησης. •Μελέτη upscaling των μεθοδολογιών με χρήση έξυπνων μεθόδων προ-επεξεργασίας και εφαρμογή μεθόδων συνόλου (ensemble learning) και ομοιότητας (similarity learning) για την εύστοχη πρόβλεψη της εναπομένουσας χρήσιμης ζωής. Περίληψη των κεφαλαίων της διδακτορικής διατριβής. Η παρούσα διατριβή οργανώνεται σε 7 κεφάλαια. Το Κεφάλαιο 1 είναι εισαγωγικό κεφάλαιο και εισάγει τον αναγνώστη στο θέμα της διατριβής. Τα Κεφάλαια 2 – 5 πραγματεύονται το πλαίσιο και τις μεθοδολογίες που χρησιμοποιήθηκαν και τα αναλύουν, ξεκινώντας από τα πειράματα κόπωσης και καταλήγοντας στην πρόβλεψη της εναπομένουσας χρήσιμης ζωής. Στο Κεφάλαιο 6 παρουσιάζεται και συζητάται η προσπάθεια για upscaling και σχολιάζονται τα ευρήματά της. Τέλος στο Κεφάλαιο 7, συνοψίζεται η εργασία και καταδεικνύονται η συνεισφορά στον επιστημονικό κλάδο και τα κύρια ευρήματα που επιτεύχθηκαν, και προτείνονται ιδέες για μελλοντική έρευνα. Ακολούθως παρουσιάζουμε μια σύνοψη κάθε κεφαλαίου. Στο Κεφάλαιο 1 παρουσιάζονται ο σκοπός και το κίνητρο της συγκεκριμένης εργασίας και γίνεται η ανασκόπηση της βιβλιογραφίας. Αναφέρονται οι προκλήσεις και οι ανάγκες που αντιμετωπίζει η σύγχρονη αεροναυπηγική βιομηχανία και υπογραμμίζεται η σημασία για τον εκσυγχρονισμό των μεθοδολογιών παρακολούθησης δομικής ακεραιότητάς. Στη συνέχεια πραγματοποιείται βιβλιογραφική ανασκόπηση, επικεντρώνοντας στις σύγχρονες τεχνολογίες παρακολούθησης δομικής ακεραιότητας, στις μεθοδολογίες πρόβλεψης της εναπομένουσας χρήσιμης ζωής, καθώς και στην σημασία των Δεικτών Βλάβης για την εύστοχη πρόβλεψη. Τέλος το κεφάλαιο κλείνει παρουσιάζοντας τον σκοπό της εργασίας καθώς και το προτεινόμενο πλαίσιο αντιμετώπισης του προβλήματος. Το Κεφάλαιο 2 παρουσιάζει δοκίμια που χρησιμοποιήθηκαν, τα πειράματα, τον εξοπλισμό και μεθοδολογίες συλλογής δεδομένων. Πιο συγκεκριμένα παρουσιάζει την γεωμετρία, διαστασιολογία και διαστρωμάτωση των δοκιμίων. Συζητάται επίσης η πειραματική διαδικασία, αναφέροντας τον τύπο των φορτίσεων, τα φορτία, η αρχική βλάβη και οι κύκλοι αστοχίας. Επίσης παρουσιάζονται οι μεθοδολογίες παρακολούθησης, η συχνότητα καταγραφής των δεδομένων και ο εξοπλισμός που χρησιμοποιήθηκε. Το Κεφάλαιο 3 πραγματεύεται τις μεθοδολογίες επεξεργασίας των δεδομένων. Παρουσιάζει την προ-επεξεργασία των δεδομένων που συλλέχθηκαν από τα αισθητήρια, για τον καθαρισμό και την αντιμετώπιση των μεταβλητών συνθηκών φόρτισης. Σχολιάζει επίσης τις δυσκολίες που συναντήθηκαν και πως αντιμετωπίστηκαν. Στην συνέχεια αναφέρονται οι μεθοδολογίες για την κατασκευή των Δεικτών Βλάβης και συζητάται η μέθοδος που ακολουθήθηκε για την διερεύνηση του ενισχυμένου Δείκτη Βλάβης. Ακόμα παραθέτουμε τη μελέτη στα πεδία του χρόνου και της συχνότητας για την εξαγωγή χαρακτηριστικών υποβάθμισης από τα δεδομένα της ακουστικής εκπομπής. Στο Κεφάλαιο 4 συζητόνται οι αλγόριθμοι που χρησιμοποιήθηκαν για την πρόβλεψη της εναπομένουσας χρήσιμης ζωής. Συγκεκριμένα αναφερόμαστε στα χαρακτηριστικά και τις μαθηματικές εξισώσεις που διέπουν τα Gaussian Processes, τα Non Homogeneous Hidden Semi Markov μοντέλα και τα νευρωνικά δίκτυα. Στο Κεφάλαιο 5 συγκεντρώνονται τα αποτελέσματα της διατριβής. Αρχικά παρουσιάζονται τα επεξεργασμένα δεδομένα και οι απλοί δείκτες βλάβης για αντιπροσωπευτικά δοκίμια από κάθε τύπο φόρτισης και σχολιάζεται η συμπεριφορά τους. Ακολουθεί συζήτηση σχετικά με την σύγκριση των Δεικτών Βλάβης, τόσο από δεδομένα παραμορφώσεων όσο και από δεδομένα ακουστικής εκπομπής, για όλα τα δοκίμια που υποβλήθηκαν σε κόπωση. Όσον αφορά τους Δείκτες Βλάβης από δεδομένα παραμόρφωσης, η σύγκριση έδειξε την υπεροχή του ενισχυμένου Δείκτη Βλάβης σε σχέση με τους απλούς δείκτες. Για την ακουστική εκπομπή, τα ανακαλυφθέντα χαρακτηριστικά ταξινομούνται με βάση το άθροισμα της μονοτονίας, προβλεψιμότητας και τάσης. Τα 10 καλύτερα επιλέγονται για χρήση ως χαρακτηριστικά πρόβλεψης. Σχετικά με τις προβλέψεις εναπομένουσας χρήσιμης ζωής, επιλέγονται τυχαία κάποια δοκίμια τα οποία «κρύβονται» από τις μεθοδολογίες μας κατά την εκπαίδευση, για να δοκιμαστεί η ικανότητα τους για πρόβλεψη με άγνωστα δεδομένα. Καταδεικνύεται η ανάγκη για τον ενισχυμένο δείκτη βλάβης που παρέχει πολύ ανώτερη ευστοχία στις προβλέψεις συγκριτικά με τους απλούς δείκτες βλάβης. Ομοίως, δικαιολογείται η χρήση των 10 καλύτερων χαρακτηριστικών της ακουστικής εκπομπής έναντι μόνο του καλύτερου. Τα αποτελέσματα υπογράμμισαν την ικανότητα των μεθοδολογιών να προβλέψουν την εναπομένουσας χρήσιμης ζωής, καθώς επέτυχαν πού καλές προβλέψεις. Το Κεφάλαιο 6 παρουσιάζει την μεθοδολογία που ακολουθήθηκε για την διερεύνηση του upscaling. Αρχικά συζητόνται η δυσκολία και οι προκλήσεις που υπάρχουν για την εφαρμογή του upscaling. Στη συνέχεια, παρουσιάζονται οι διαστάσεις, γεωμετρία και διαστρωμάτωση από τα νέα δοκίμια, δηλαδή τα πάνελ πολλαπλών νεύρων δυσκαμψίας. Παραθέτονται επίσης τα πειράματα και οι φορτίσεις που εφαρμόστηκαν και καταγράφονται οι κύκλοι κόπωσης για αστοχία. Συζητόνται οι μεθοδολογίες επεξεργασίας των δεδομένων, η κατασκευή των Δεικτών βλάβης και οι μεθοδολογίες που εξερευνήθηκαν για την πρόβλεψη της εναπομένουσας χρήσιμης ζωής. Συγκεκριμένα, για τις μεθοδολογίες πρόβλεψης, ερευνήσαμε τα μοντέλα συνόλου και μεθόδους προσδιορισμού ομοιότητας. Στο τέλος παρουσιάζονται και σχολιάζονται τα αποτελέσματα των προβλέψεων. Αξίζει να σημειωθεί ότι οι αλγόριθμοι πρόβλεψης είχαν εκπαιδευτεί μόνο με δεδομένα από τα δοκίμια με ένα νεύρο δυσκαμψίας. Το Κεφάλαιο 7 αποτελεί το τελευταίο κεφάλαιο της διατριβής. Το κεφάλαιο αυτό χωρίζεται σε τρία υπο-κεφάλαια. Το πρώτο κάνει μια ανασκόπηση της εργασίας υπογραμμίζοντας τα κυριότερα σημεία. Το δεύτερο υπο-κεφάλαιο απαριθμεί τα καινοτόμα στοιχεία της διατριβής και παραθέτει τις συνεισφορές της ίδιας στην επιστημονική γνώση. Τέλος, το τρίτο υπο-κεφάλαιο παραθέτεις προτάσεις και ιδέες για μελλοντική έρευνα.Τέλος, περιλαμβάνεται μια συλλογή από παραθέματα (appendices), στα οποία συγκεντρώνονται συμπληρωματικά κομμάτια της διατριβής, σχετικά με τη θέση των βλαβών και των αισθητηρίων.
περισσότερα
Περίληψη σε άλλη γλώσσα
In the present thesis the possibility of estimating of the Remaining Useful Life of composite aero-structures utilizing Structural Health Monitoring (SHM) data is investigated. More specifically, the aim is to develop a prognostic framework capable of monitoring the degradation of stiffened composite panels using advanced Health Indices and eventually estimate their Remaining Useful Life (RUL). The framework is built through extensive testing in single-stiffened panels and attempts to upscale the methodology to complex multi-stiffened panels and provide insight on the capabilities of SHM for such structures. In an era where concepts such as Prognostic and Health Management (PHM) and Condition Based Maintenance (CBM) are becoming increasingly popular methodologies that effectively monitor the real-time condition of structures are imperative. SHM technology provides a solution, where a capable sensor network collects the necessary data. To this direction, an extensive experimental campai ...
In the present thesis the possibility of estimating of the Remaining Useful Life of composite aero-structures utilizing Structural Health Monitoring (SHM) data is investigated. More specifically, the aim is to develop a prognostic framework capable of monitoring the degradation of stiffened composite panels using advanced Health Indices and eventually estimate their Remaining Useful Life (RUL). The framework is built through extensive testing in single-stiffened panels and attempts to upscale the methodology to complex multi-stiffened panels and provide insight on the capabilities of SHM for such structures. In an era where concepts such as Prognostic and Health Management (PHM) and Condition Based Maintenance (CBM) are becoming increasingly popular methodologies that effectively monitor the real-time condition of structures are imperative. SHM technology provides a solution, where a capable sensor network collects the necessary data. To this direction, an extensive experimental campaign is launched, including compression fatigue experiments of different amplitudes and a couple of SHM technologies, i.e., FBG strain sensors and acoustic emission sensors, are used to monitor the real time degradation under variable loading conditions. RUL prognosis is the ultimate level of SHM, where conditional on the SHM data probabilistic estimates of the time to failure are aimed. The quality of the SHM data greatly affects the accuracy of the prognostic algorithms and potential features that can capture the structural degradation are sought after. To identify capable degradation features, an investigation is launched to create Health Indicators (HIs), that are able to capture the growing damage in variable loading conditions. By processing the raw SHM data, few HIs are identified that correlate to physical properties while some others are created with advanced processing methodologies in order to possess desirable attributes like monotonicity and prognosability. To further improve those HIs, an optimization scheme based on Genetic Algorithms (GA) is utilized. With the aid of machine learning or statistical algorithms, the discovered features are used to estimate the RUL. Despite the variable operational conditions (i.e. loads), the proposed HI was able to improve the accuracy of the predictions which was a result of the improved monotonic and prognosable behaviors we requested in our optimization problem. The predicted RUL shows promising accuracy especially near the end of life, which is further solidified by the decreasing of the confidence intervals width. In the final part of my thesis, an upscaling attempt is presented. More specifically, the methodologies developed in single stiffened panels are investigated for their applicability at multi-stiffened panels. A challenging fatigue experimental campaign is launched with variable amplitude fatigue tests where distributed fiber optical strain sensors are used to monitor their degradation. Methodologies for data processing and HI creation, discovered and validated on single stiffened panels, are applied to the multi-stiffened ones. Machine learning algorithms are trained with the HIs from lower hierarchically structures i.e. the single-stiffened panels and are used to predict the RUL of multi-stiffened panels with promising accuracy demonstrating the capabilities of the proposed methodologies.
περισσότερα