Fatigue crack monitoring of helicopter fuselages and life evaluation through sensor network

Fatigue assessment for helicopter structures is nowadays a design matter, confirmed during the operating life of the machine with a clear inspection schedule, thus requiring many machine stops and causing a steep increase of maintenance efforts, which arise up to 25% of the whole operating costs. A direct health monitoring system able to correctly estimate damage existence, type, position and dimension, thus allowing for the evaluation of the residual useful life of the monitored component is missing. It could lead to real time knowledge about the damage condition, allowing the Condition Based Maintenance (CBM) and the maximization of both the machine availability and safety. One of the most difficult challenges when dealing with structural health monitoring is the need of a complete description of the relationship between any damage index and damage properties e.g. the type, position and extent of the damage. Data-based approaches only rely on experimental data for the definition of the experience database. However, a methodology that relies only on signal processing requires that the effect of any possible damage over the selected index is experimentally retrieved to characterize the anomaly. Model-based approaches are commonly based upon the development of a numerical model representing the structure under monitoring. Experimental data is used to verify the investigated features simulated through the model, allowing the model to more accurately represent the experimental structure. The verified and validated model can be used to generate “unlimited” simulated experience about damages. The work presented in this thesis is about the creation of a model-based diagnostic and prognostic system for helicopter fuselage Structural Health Monitoring. The main characters involved are numerical models and algorithms, the former providing a low cost knowledge upon which training the algorithms (Artificial Neural Networks) in detecting and characterizing the damage. The model-based diagnosis can also be used for a preliminary assessment of the algorithm performances, before any real test is executed, thus allowing for a significant cost saving. The methodology is demonstrated for a Structural Health Monitoring system based on strain field measures, thus appreciating the real performances of the method for a specimen which is representative of the helicopter fuselage, consisting of an aluminium skin stiffened through some riveted stringers. A sensor network has been designed in order to detect any fatigue damage occurring on the structure, then activating the algorithms for damage characterization in terms of type, position and dimension. A second model-based diagnostic unit has been described based on piezoelectric Lamb wave sensor network and verified experimentally on a simple aluminium skin. Analytical and numerical Lamb wave propagation models have been used to generate the virtual experience necessary to train the signal processing algorithms. The system was designed and experimentally verified only to solve the damage localization and assessment levels of the diagnostic inference. Finally, a particle filter algorithm is used to estimate in real-time the probability density function of the residual useful life of the monitored structural component, subjected to fatigue crack propagation. The real-time diagnostic unit based on strain field measure acquisition and trained with numerical simulations of damage evolution, generates the information as input to the prognostic unit. A crack propagation model provides the knowledge of the residual life prior to the application of fatigue loads. The prognostic unit updates in real-time the probability density function of the residual useful life for the component at each discrete time step during fatigue crack evolution. The methodology is applied to a typical aeronautical metallic panel, composed of a skin stiffened through riveted stringers, and the overall performance of a fully autonomous PHM system based upon strain measures is evaluated.

Per quanto riguarda il campo elicotteristico, la sicurezza dei velivoli è garantita per mezzo di opportuni calcoli e verifiche nella fase progettuale, nonché attraverso la definizione di rigidi e stretti intervalli di ispezione nel corso della vita della macchina. Tradizionalmente, i difetti da fatica dei materiali, quali sono le cricche, sono monitorati per mezzo di ispezioni visive o test non-distruttivi richiedendo significativi tempi di fermo macchina per l’esecuzione dell’intera ispezione e rendendo in alcuni casi necessario anche lo smontaggio di intere porzioni di struttura. Attualmente non esistono sistemi di monitoraggio strutturale in grado di diagnosticare in tempo reale e senza l’ausilio di alcun operatore la presenza di un eventuale danno nelle strutture, distinguere tra diversi tipi di danneggiamento, nonché stimare la posizione e l’entità del danno stesso. Tale sistema, una volta installato nella zona di interesse a bordo del velivolo, non solo renderebbe possibile un monitoraggio continuo evitando lo smontaggio di alcune parti, ma consentirebbe anche una previsione on-board della vita residua del componente strutturale, permettendo così l’organizzazione di una manutenzione basata sulla reale condizione della struttura (Condition Based Maintenance), massimizzando i parametri di disponibilità e sicurezza del velivolo. Uno degli ostacoli principali alla realizzazione di sistemi di monitoraggio strutturale è la necessità di una conoscenza dettagliata della relazione che lega le proprietà del danneggiamento (tipo, posizione ed entità) all’indice di danneggiamento scelto. Un approccio “data-based” prevedrebbe la raccolta di grandi quantitativi di dati sperimentali da utilizzarsi per interpretare i segnali acquisiti tramite i sensori. D’altra parte, ciò richiederebbe un enorme quantitativo di prove sperimentali al fine di apprendere l’effetto di ogni possibile danneggiamento sui segnali acquisiti. L’approccio “model-based”, adottato nella presente tesi, è basato sullo sviluppo di un modello numerico rappresentante la struttura monitorata. Le prove sperimentali sono necessarie a verificare la correttezza del modello, nonché a validare gli indici di danneggiamento ottenuti numericamente. Il modello numerico verificato e validato potrà dunque essere usato per generare un database di esperienza virtuale da utilizzarsi per l’interpretazione dei segnali acquisiti. Il lavoro descritto in questa tesi riguarda l’applicazione di un approccio di diagnostica e prognostica “model-based” per il monitoraggio di strutture tipiche elicotteristiche. I modelli numerici e l’analisi dei segnali provenienti dai sensori hanno un ruolo fondamentale: i primi forniscono l’esperienza necessaria ad allenare gli algoritmi (basati su strutture di reti neurali artificiali) al fine di riconoscere la presenza di un eventuale danneggiamento ed in seguito caratterizzarlo, in termini di posizione, dimensione e tipologia di danno. Si mostrerà inoltre come un sistema di diagnostica “model-based” possa essere ragionevolmente impiegato per una valutazione preliminare delle performances attese (per esempio in termini di minima lunghezza di cricca rilevabile), a priori rispetto l’esecuzione di test sperimentali (esclusi quelli per la validazione del modello numerico), permettendo così l’ottimizzazione del network di sensori a costi relativamente contenuti. Tale metodologia è stata implementata per un caso di monitoraggio strutturale basato sulla misura del campo di deformazioni. La struttura oggetto di monitoraggio è rappresentativa della fusoliera posteriore di un elicottero di taglia medio-pesante. Essa consiste in una pelle di alluminio rinforzata per mezzo di correnti rivettati. Una rete di sensori di deformazione basati sulla tecnologia a reticolo di Bragg è stata progettata al fine di poter rilevare e distinguere due tipologie di danneggiamento, nonché successivamente localizzarle e quantificarne la dimensione. Un secondo sistema di monitoraggio è stato implementato sfruttando la sensibilità delle onde elastiche (in particolare onde di Lamb) alla presenza di danneggiamenti. Una rete di trasduttori piezoelettrici emette e riceve segnali che percorrono opportuni percorsi e si modificano in seguito alla presenza di difetti o danneggiamenti nella struttura. I modelli analitici (curve di dispersione) e numerici (Local Interaction Simulation Approach) per la simulazione della propagazione di onde elastiche sono stati utilizzati al fine di generare l’esperienza virtuale necessaria all’interpretazione dei segnali mediante algoritmi di reti neurali. Il sistema è stato progettato e validato sperimentalmente per la localizzazione e quantificazione di un danneggiamento da fatica artificialmente indotto su una pelle di alluminio. Infine, un algoritmo di Particle Filter, basato sulla tecnica di Monte-Carlo Sequential importance Sampling, è stato utilizzato per stimare in tempo reale la densità di probabilità della vita residua dell’elemento strutturale affetto da propagazione di cricche a fatica. Dato un livello iniziale di danneggiamento, rilevato mediante il sistema di diagnosi strutturale, un modello statistico di propagazione dei difetti a fatica è in grado di stimare la densità di probabilità della vita residua a priori rispetto l’acquisizione di successive misure. L’unità di diagnostica, basata sulle misure del campo di deformazioni e allenata per mezzo di dati simulati tramite modelli a elementi finiti, fornisce un’indicazione in continuo riguardo la condizione di salute dalla struttura monitorata. L’algoritmo di Particle Filter aggiorna in tempo reale la densità di probabilità della vita residua ogniqualvolta una nuova misura è resa disponibile dal sistema automatico di diagnostica. Tale metodologia è stata applicata al monitoraggio di pannelli aeronautici in alluminio (pelle rinforzata con correnti rivettati) e si sono valutate le performances di un sistema di prognosi completamente automatizzato e basato sulla misura del campo di deformazioni.