Health management : ageing of energetic materials

Solid propellants have been used since the beginning of the space exploration era to generate the necessary thrust for launchers and spacecraft to take off and reach space. Despite the introduction of more efficient and controllable liquid and hybrid systems during the 20th century, solid propellant systems remain widely used in the space and defense sectors today. Their relatively simple mechanism, ability to be stored for extended periods between production and use, and high weight-to-thrust ratio and density make solid propellant systems competitive and prevalent. The storability of solid propellant, or more in general energetic materials, however, re- quires the control of how the chemical and physical properties change over time. Exposure to different climatic conditions, daily and annual temperature cycles, and air humidity contribute to the natural ageing of the object. The stored material undergoes irreversible processes that alter its characteristics, including oxidative hardening, loss of strain capa- bility, and wetting between the binder matrix and oxidant particles. To study the effects of ageing, it is easier to work with artificially aged materials. Ageing can be accelerated by subjecting materials to high temperatures, typically between 60 and 90°C, for shorter time intervals. This method can produce similar results to samples that are 15 or 20 years old, but with an ageing time of weeks or months. This procedure saves time and allows for obtaining relevant results more quickly. The present work presents models that attempt to predict the behavior of aged energetic materials. All the analyzed data are from propellants subjected to accelerated ageing, obtained from the literature or experimental data provided by research centers. A machine learning algorithm has been implemented to process the data, identify relationships and patterns, and compare them with experimental formulas. The first part of the thesis focuses on the implementation and verification of the algorithm. In the second part, the algorithm is trained and tested on different datasets obtained from laboratories and the literature.

I propellenti solidi sono stati utilizzati sin dall’inizio dell’era dell’esplorazione spaziale per ottenere la spinta necessaria a portare in orbita lanciatori e satelliti. Nonostante l’introduzione di sistemi più efficaci e controllabili a propellente liquido e ibrido nel XX secolo, i propellenti solidi restano ad oggi ampiamente utilizzati sia nel settore spaziale che in ambito missilistico. La semplicità del funzionamento, la possibilità di essere prodotti e conservati anche per lungo periodo prima dell’utilizzo, un rapporto spinta peso elevato e una buona densità rendono ancora competitivi tali sistemi per molti utilizzi. La capacità di immagazzinare i sistemi a propellente solido, o più in generale un materiale energetico, però richede anche un controllo sul variare delle caratteristiche fisiche dei propellenti. L’esposizione prolungata a diverse temperature, cicli giornalieri e annuali delle condizioni ambientali e l’umidità portano al naturale invecchiamento del propellente. Durante questo tempo il materiale va incontro a numerosi processi di deterioramento che modificano in modo irreversibile le sue proprietà. L’indurimento ossidativo, la riduzione della capacità di deformazione, il fenomeno di dewetting tra le particelle di ossidante e la matrice polimerica sono solo alcuni dei processi. Per prevedere le conseguenze a cui un materiale è soggetto durante l’invecchiamento si è soliti studiare materiali invecchiati artificialmente. L’invecchiamento dei materiali energetici può essere accelerato ponendo il materiale a temperature elevate, comprese tra i 60 e i 90°C, per periodi di tempo variabili; in questo modo si possono ottenere invecchiamenti simili a quelli che si avrebbero per propellenti prodotti 15 o anche 20 anni prima. Questa procedura permette di risparmiare grandi quantità di tempo ed ottenere risultati attendibili. Nella seguente tesi verranno studiati modelli di invecchiamento per materiali energetici soggetti alla procedura di ageing accelerato attraverso un algoritmo di machine learning in grado di elaborare dati di letteratura per confrontarli con i risultati che si attendono a partire dallo studio di formule e metodi sperimentali. La prima parte della tesi è dedicata all’implementazione di tale algoritmo e alla sua verifica. In una seconda fase l’algoritmo sarà testato e allenato tramite l’utilizzando di dati collezionati da laboratori.