The objective of this work is to detect structural damage in a simply supported beam and helicopter rotor blades. In the simply supported beam, the structural damage is modeled as localized bending stiffness reduction, added mass, and added stiffness in the support. Displacement time-series are obtained from numerical simulation using the free general-purpose multibody solver MBDyn. Multivariable autoregressive model from the displacement time-series is used as the parameter to build the machine learning model. In the helicopter rotor blades, damage due to localized torsional stiffness reduction is simulated. Structural health monitoring algorithm is performed based on strain measurement on the blades. Three algorithms are presented. They use the information from the differences of strain measurement in all of the four blades. Maneuvered flight is also performed to assess the method outside steady flight condition. Mahalanobis squared distance, auto-associative neural network, and singular value decomposition are used as the machine learning algorithms.

L'obiettivo di questa tesi è identificare i danni strutturali in una trave e rotore dell'elicottero. Nella trave, il danno strutturale è modellato come riduzione localizzata della rigidezza alla flessione, massa aggiunta e rigidità aggiunta nel supporto. Le serie temporali di spostamento sono ottenute dalla simulazione numerica utilizzando il solver multibody MBDyn. Il modello autoregressivo multivariabile della serie temporale di spostamento viene utilizzato come parametro per costruire il modello di apprendimento automatico. Nel rotore dell'elicottero, viene simulato il danno di riduzione localizzata della rigidità torsionale. L'algoritmo di monitoraggio della salute strutturale viene eseguito sulla base della misurazione della deformazione sulle pale. Vengono presentati tre algoritmi. Viene inoltre eseguito un volo manovrato per valutare il metodo al di fuori delle condizioni di volo stabili. Mahalanobis squared distance, auto-associative neural network e singular value decomposition vengono utilizzati per il modello di apprendimento automatico.

Exploratory application of machine learning to damage detection in structural components

ISMANTO, JONATHAN
2018/2019

Abstract

The objective of this work is to detect structural damage in a simply supported beam and helicopter rotor blades. In the simply supported beam, the structural damage is modeled as localized bending stiffness reduction, added mass, and added stiffness in the support. Displacement time-series are obtained from numerical simulation using the free general-purpose multibody solver MBDyn. Multivariable autoregressive model from the displacement time-series is used as the parameter to build the machine learning model. In the helicopter rotor blades, damage due to localized torsional stiffness reduction is simulated. Structural health monitoring algorithm is performed based on strain measurement on the blades. Three algorithms are presented. They use the information from the differences of strain measurement in all of the four blades. Maneuvered flight is also performed to assess the method outside steady flight condition. Mahalanobis squared distance, auto-associative neural network, and singular value decomposition are used as the machine learning algorithms.
ING - Scuola di Ingegneria Industriale e dell'Informazione
25-lug-2019
2018/2019
L'obiettivo di questa tesi è identificare i danni strutturali in una trave e rotore dell'elicottero. Nella trave, il danno strutturale è modellato come riduzione localizzata della rigidezza alla flessione, massa aggiunta e rigidità aggiunta nel supporto. Le serie temporali di spostamento sono ottenute dalla simulazione numerica utilizzando il solver multibody MBDyn. Il modello autoregressivo multivariabile della serie temporale di spostamento viene utilizzato come parametro per costruire il modello di apprendimento automatico. Nel rotore dell'elicottero, viene simulato il danno di riduzione localizzata della rigidità torsionale. L'algoritmo di monitoraggio della salute strutturale viene eseguito sulla base della misurazione della deformazione sulle pale. Vengono presentati tre algoritmi. Viene inoltre eseguito un volo manovrato per valutare il metodo al di fuori delle condizioni di volo stabili. Mahalanobis squared distance, auto-associative neural network e singular value decomposition vengono utilizzati per il modello di apprendimento automatico.
Tesi di laurea Magistrale
File allegati
File Dimensione Formato  
Tesi_Jonathan_Ismanto.pdf

accessibile in internet per tutti

Descrizione: Thesis
Dimensione 2.75 MB
Formato Adobe PDF
2.75 MB Adobe PDF Visualizza/Apri

I documenti in POLITesi sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/10589/148394