Physics-informed neural network for detecting defects in variable angle tow laminates

Variable-Angle Tow (VAT) composites are becoming more and more popular for engineering structural purposes. This is due to the possibility of designing structural load paths by steering the reinforcing fibers along curvilinear paths, instead of keeping them straight. Unfortunately, their manufacturing processes, the Automated Fiber Placement (AFP) and Continuous Tows Shearing (CTS), are source of different types of defects like gaps, overlaps, fibers misalignment and out-of-plane waviness. The latter can cause large variations of the mechanical performances of the structures from the nominal ones. For this reason, a method for the detection and quantification of the defects mentioned above is developed. In particular, the Physics-Informed Neural Networks (PINNs) and a tool commonly used for the representation of stochastic processes, the Karhunen-Loeve expansion (KLE), are exploited. Moreover, the effectiveness of the proposed technique is tested by tackling different problems, starting from the detection of Young modulus for a rod, until the detection of gaps, overlaps and fibers misalignment for a VAT laminate.

I compositi a rigidezza variabile (VAT) stanno diventando sempre più popolari in ambito ingegneristico strutturale. Questo è dovuto alla possibilità di realizzare percorsi di carico strutturale ponendo le fibre lungo percorsi curvilinei, invece di mantenerle rettilinee. Sfortunatamente, i relativi processi di produzione, l’Automated Fiber Placement (AFP) ed il Continuous Tow Shearing (CTS), sono fonte di diversi tipi di difetti, quali lacune, sovrapposizioni e disallineamento di fibre. Quest’ultimi possono causare un forte deterioramento delle proprietà meccaniche delle strutture. Per questa ragione, un metodo per il rilevamento e la quantificazione dei difetti dei compositi VAT è sviluppato. In particolare, le reti neurali del tipo Physics-informed e uno strumento comunemente utilizzato per la rappresentazione di processi stocastici, l’espansione di Karhunen-Loeve, sono utilizzati a tale scopo. Inoltre, l’efficacia del metodo proposto è testata attraverso la soluzione di diversi problemi, a partire dalla quantificazione del modulo di Young per una trave, fino al rilevamento dei difetti per un laminato VAT.