On the development of digital twin for aircraft load and fatigue tracking at individual and fleet levels

The safety of aircraft is critically impacted by fleet aging and structural fatigue, influenced by variations in load history, structural machining, and manufacturing errors. While existing individual aircraft tracking systems acknowledge these disparities, they often underutilize validated models and accumulated service data, leading to challenges in addressing uncertainties in fatigue damage evolution. This thesis proposes a digital twin-based framework for flight load and structural fatigue tracking, aiming to enhance prediction accuracy and elevate aircraft operational safety. The research is structured into two parts: At the individual level, validation of the digital twin framework and methodology is demonstrated using a small unmanned aerial vehicle (UAV). Flight parameter and strain data from UAV flight tests, along with multidisciplinary simulation models, contribute to the development of a UAV structural digital twin integration and visualization system. The reduced-order modeling approach is extended to address complex scenarios, such as shaped crack growth in intricate structures, validated using a helicopter component. (1) Overcoming strain sensor limitations involves integrating flight parameter data with a deep learning network to predict strain values. A reduced-order load estimation approach, emphasizing reduced-dimensional aerodynamic loads, allows comprehensive load tracking solely through flight parameter inputs. (2) A reduced-order modeling and online prediction method for fatigue crack growth for a UAV is proposed, incorporating multi-level load transfer and dimensionality reduction. This enables real-time, probabilistic predictions of fatigue crack growth at structural details. An integrated structural digital twin model of the UAV is developed using Simulink, facilitating probabilistic diagnosis and prognosis of fatigue crack growth. A visualization system for the UAV structural digital twin illustrates the entire process. (3) A reduced-order simulation approach is devised for the real-time prediction of fatigue crack growth in complex structures. Leveraging symmetric Galerkin boundary element method-finite element method (SGBEM-FEM) coupling and machine learning methods, this approach achieves probabilistic crack growth predictions in complex structures with minimal computational burden. At the fleet Level, initial explorations of fleet maintenance digital twins are conducted, aiming to reduce fleet maintenance costs while ensuring safety through the consideration of structural information similarity within the fleet. (1) Two novel domain adaptive regression algorithms—fuzzy-set based and cluster-based—are proposed for structural damage quantification. These algorithms leverage simulation data and similar structure/damage history within the fleet to enhance online damage quantification accuracy. The two algorithms were then validated with the crack growth in helicopter panels and debonding in composite structures. (2) A collaborative diagnosis and prediction method for fatigue cracks across multiple fleet structures, rooted in a similarity metric for assessing damage states, is proposed. This method updates damage states in other fleet structures based on observations from a single structure, fostering a proactive approach to fleet-wide maintenance. In conclusion, this thesis establishes a scalable digital twin-based framework for tracking aircraft loads and fatigue at both individual and fleet levels. The incorporation of key technologies and visualization systems positions this framework for application in larger-scale aircraft in the future.

La sicurezza degli aeromobili è influenzata in modo critico dall'invecchiamento della flotta e dalla fatica strutturale, influenzati da variazioni nella storia del carico, nell'asportazione strutturale e negli errori di produzione. Mentre i sistemi esistenti di tracciamento degli aeromobili individuali riconoscono queste disparità, spesso sfruttano insufficientemente modelli convalidati e dati di servizio accumulati, portando a sfide nell'affrontare le incertezze nell'evoluzione del danno da fatica. Questa tesi propone un framework basato su gemelli digitali per il tracciamento del carico di volo e della fatica strutturale, con l'obiettivo di migliorare la precisione delle previsioni e aumentare la sicurezza operativa degli aeromobili. La ricerca è strutturata in due parti: A livello individuale, la convalida del framework e della metodologia dei gemelli digitali è dimostrata utilizzando un piccolo veicolo aereo senza pilota (UAV). I dati dei parametri di volo e delle deformazioni provenienti dai test di volo del UAV, insieme a modelli di simulazione multidisciplinari, contribuiscono allo sviluppo di un sistema di integrazione e visualizzazione gemello digitale strutturale del UAV. L'approccio di modellazione a bassa dimensione è esteso per affrontare scenari complessi, come la crescita di fessure sagomate in strutture intricate, convalidate utilizzando un componente di elicottero. (1) Superare le limitazioni dei sensori di deformazione coinvolge l'integrazione dei dati dei parametri di volo con una rete di apprendimento profondo per prevedere i valori delle deformazioni. Un approccio di stima del carico a bassa dimensione, enfatizzando i carichi aerodinamici a ridotta dimensione, consente un tracciamento completo del carico esclusivamente attraverso i parametri di volo. (2) Viene proposto un metodo di modellazione e previsione online a bassa dimensione per la crescita della fessura da fatica per un UAV, incorporando il trasferimento del carico a più livelli e la riduzione della dimensionalità. Ciò consente previsioni probabilistiche in tempo reale della crescita della fessura da fatica nei dettagli strutturali. Viene sviluppato un modello integrato di gemello digitale strutturale del UAV utilizzando Simulink, facilitando la diagnosi e la prognosi probabilistiche della crescita delle fessure da fatica. Un sistema di visualizzazione per il gemello digitale strutturale del UAV illustra l'intero processo. (3) Viene ideato un approccio di simulazione a bassa dimensione per la previsione in tempo reale della crescita della fessura da fatica in strutture complesse. Sfruttando il metodo di accoppiamento del metodo degli elementi finiti con il metodo degli elementi di confine di Galerkin simmetrico (SGBEM-FEM) e metodi di apprendimento automatico, questo approccio realizza previsioni probabilistiche della crescita della fessura in strutture complesse con un onere computazionale minimo. A livello di flotta, sono condotte esplorazioni iniziali di gemelli digitali per la manutenzione della flotta, con l'obiettivo di ridurre i costi di manutenzione della flotta garantendo al contempo la sicurezza attraverso la considerazione della similarità delle informazioni strutturali all'interno della flotta. (1) Vengono proposti due nuovi algoritmi di regressione adattivi al dominio - basati su insiemi sfumati e basati su cluster - per la quantificazione del danno strutturale. Questi algoritmi sfruttano dati di simulazione e la storia del danno e della struttura simili all'interno della flotta per migliorare l'accuratezza della quantificazione online del danno. I due algoritmi sono poi convalidati con la crescita di fessure nei pannelli dell'elicottero e il distacco in strutture composite. (2) Viene proposto un metodo collaborativo di diagnosi e previsione per le fessure da fatica in diverse strutture della flotta, basato su una metrica di similarità per valutare gli stati di danno. Questo metodo aggiorna gli stati di danno in altre strutture della flotta basandosi su osservazioni da una singola struttura, promuovendo un approccio proattivo alla manutenzione su scala della flotta. In conclusione, questa tesi stabilisce un framework scalabile basato su gemelli digitali per il tracciamento dei carichi e della fatica degli aeromobili sia a livello individuale che di flotta. L'integrazione di tecnologie chiave e sistemi di visualizzazione posiziona questo framework per l'applicazione in aeromobili su scala più ampia in futuro.