MONDO ACCADEMICO

Rilevamento dei difetti mediante SHM con approccio a sensori statici

Per la rubrica 'Mondo Accademico', ospitiamo un articolo di ricercatori e docenti dell'Università della Campania

di Alberto D'AMORE e Luigi GRASSIA*

Lo Structural Health Monitoring (SHM) è una tecnologia che si propone di monitorare lo stato di affidabilità di una struttura. Nel campo aerospaziale le informazioni acquisite durante il monitoraggio sono utilizzate per ottimizzare i costi delle manutenzioni, migliorare la sicurezza in volo e sviluppare strutture più leggere.

Diverse sono le tematiche su cui si sviluppano le tecnologie SHM come il monitoraggio dei carichi in servizio e l’individuazione degli impatti che può subire una struttura. Tuttavia, l’individuazione e lo sviluppo di un danno è l’aspetto più largamente affrontato. In tal caso si sono sviluppati sensori statici e dinamici per l’individuazione dei danni progressivi. I sensori dinamici generano onde lungo la struttura la cui deviazione a riflessione ad opera del difetto ne consente l’individuazione. I sensori statici come gli strain gage e le fibre ottiche misurano le deformazioni che, correlate con quelle della struttura integra, consentono la rilevazione del danno.

L’Università della Campania “Luigi Vanvitelli” coopera con Leonardo Aircraft nell’ambito del Distretto Aerospaziale Campano (DAC, https://www.daccampania.com/ ). In particolare nel programma di Ricerca CERVIA (Metodi di CERtificazione e Verifica Innovativi ed Avanzati) ha sviluppato e validato un software rivolto alla diagnostica dei difetti (ad es., debonding, delaminazione ecc.) basato sulla determinazione del campo delle deformazioni.

Essenzialmente vengono confrontati il campo di strain “in servizio” nella struttura heathy ed in quella danneggiata in modo che i danni subiti dalla struttura siano identificati dalla variazione del campo delle deformazioni. Sono stati affrontati due differenti approcci conseguenti agli algoritmi brevettati da Leonardo Aircraft. Il primo basato su reverse f.e.m. (reverse finite element model, il secondo su neural network.

Gli algoritmi sono descritti in quanto segue...

LEGGI L'ARTICOLO COMPLETO IN ALLEGATO

* University of Campania “Luigi Vanvitelli”, Department of Engineering

Archiviato in: Mondo accademico
Iscriviti alla newsletter
Diventa nostro Sponsor
Area Aziende

I nostri sponsor
Partner istituzionali
Astrelia sviluppa siti internet e applicazioni mobile/desktop anche per iPhone iPad e Android a San Benedetto del Tronto, Roma, Ascoli Piceno, Marche