Sistema diagnostico basato su reti neurali per l'identificazione di cricche a fatica nucleate da rivetto

The safety of aeronautical vehicles is ensured through the planning of well-defined inspection intervals. During the operational life of the vehicle are applied to the non-destructive testing (NDT), which encompass significant downtime. The goal of this thesis is to develop a system of structural integrity monitoring (Structural Health Monitoring, SHM) able to diagnose in real time the presence of damage inside the structure with significant advantages in terms of safety and considerable economic benefits. The work presented in this paper is focused on the creation of a diagnostic system for aircraft structures through the development of an algorithm based on artificial neural networks which is able to identify, locate and quantify the defect. In particular, we studied a case of damage where the defect starts from the hole made ​​for the installation of the rivet. For the development of this system has been used a model-based approach which has helped to create and test entirely in a virtual environment, starting from the finite element modeling of the structure to be monitored. Through experimentation it was possible to finally obtain a validation of the monitoring system.

La sicurezza dei veicoli aeronautici è garantita attraverso la pianificazione di ben determinati intervalli di ispezione. Nel corso della vita operativa del mezzo vengono applicati i controlli non distruttivi (CND) che comportano però significativi tempi di fermo macchina. L'obiettivo di questa tesi è quello di sviluppare un sistema di monitoraggio dell'integrità strutturale (Structural Health Monitoring, SHM) in grado di diagnosticare in tempo reale la presenza di danneggiamenti all'interno della struttura con significativi vantaggi in termini di sicurezza e notevoli benefici economici. Il lavoro presentato in questo elaborato è incentrato sulla creazione di un sistema di diagnostica per strutture aeronautiche tramite la definizione di un algoritmo basato su reti neurali artificiali in grado di identificare, localizzare e quantificare il difetto. In particolare, si è analizzato un caso di danneggiamento in cui il difetto nuclei dal foro realizzato per il montaggio dei rivetti. Per lo sviluppo di tale sistema è stato utilizzato un approccio model-based che ne ha permesso la creazione e il test interamente in ambiente virtuale, a partire dalla modellazione ad elementi finiti della struttura da monitorare. Tramite sperimentazione è stato possibile, infine, ottenere una validazione del sistema di monitoraggio.