Um novo método sem referência usando processso Gaussiano para quantificação de dano em estruturas de material compósito

• Processo: 19/11755-9
• Modalidade de apoio: Bolsas no Exterior - Estágio de Pesquisa - Mestrado
• Data de Início da vigência: 15 de agosto de 2019
• Data de Término da vigência: 14 de novembro de 2019
• Área de conhecimento: Engenharias - Engenharia Mecânica - Mecânica dos Sólidos
• Pesquisador responsável: Samuel da Silva
• Beneficiário: Jessé Augusto dos Santos Paixão
• Supervisor: Gyuhae Park
• Instituição Sede: Faculdade de Engenharia (FEIS). Universidade Estadual Paulista (UNESP). Campus de Ilha Solteira. Ilha Solteira , SP, Brasil
• Instituição Anfitriã: Chonnam National University, Gwangju (CNU), Coréia do Sul
• Vinculado à bolsa: 18/15671-1 - Quantificação de danos em estruturas de material compósito usando extrapolação dos coeficientes de modelos autorregressivos, BP.MS
• Assunto(s): Processos gaussianos Materiais compósitos Integridade estrutural
• Palavra(s)-Chave do Pesquisador: baseline-free | Estruturas de Material Compósito | Modelos ARX | monitoramento de integridade estrutural | Processo Gaussiano | Quantificação de dano | Monitoramento de Integridade Estrutural (SHM)

Resumo

Métodos sem referência já são familiares para aplicações em monitoramento de integridade estrutural (SHM) explorando a detecção e a localização de danos em estruturas de material compósito, principalmente baseado nos sinais de propagação de ondas guiadas utilizando transdutores piezelétricos, que são aplicados como atuadores e também como sensores. No entanto, para se alcançar um método de SHM de nível mais alto, por exemplo, que seja capaz quantificar ou prever a extensão do dano usando apenas o sinal medido, sem o de referência , geralmente é necessário um modelo. Assim, as estratégias de SHM sem referência atuais são limitadas aos níveis de detecção e localização porque a maioria delas aplica apenas técnicas como reversal time ou índices extraídos diretamente dos sinais de saída, sem um modelo necessários para quantificação. Portanto, este projeto pretende fornecer uma nova contribuição nesta área, identificando um modelo Autorregressivo com Entrada Externas (ARX) para monitorar diretamente o erro de saída como índice de dano. Em primeiro lugar, esse modelo de caixa preta será identificado com um foco em predição multi-step-ahead para ser capaz de capturar a dinâmica de propagação de onda em cada estado estrutural para um longo horizonte de previsão. É essencial ter um modelo de previsão multi-step-ahead em vez de one-step-ahead, como é empregado pela maioria dos trabalhos desenvolvidos usando modelos autorregressivos na área de SHM, porque assim a extrapolação de sinal para um estado futuro pode ser inferida antes que o sinal seja medido. Portanto, este é um modelo que também pode ser usado para estabelecer uma correlação entre os índices de dano extraídos do erro de saída e a existência de dano utilizando uma regressão de curva de tendência. A curva de tendência deve ser extrapolada aqui usando uma combinação com o processo Gaussiano para inspecionar como os índices de dano mudam após uma possível evolução do dano. Este plano de trabalho descreve a motivação, metas, resultados esperados e programados para serem executados durante estágio na Universidade Nacional de Chonnam na Coréia do Sul. (AU)

Publicações científicas

(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)

PAVLACK, BRUNA; PAIXAO, JESSE; DA SILVA, SAMUEL; CUNHA, JR., AMERICO; GARCIA CAVA, DAVID. olynomial Chaos-Kriging metamodel for quantification of the debonding area in large wind turbine blade. STRUCTURAL HEALTH MONITORING-AN INTERNATIONAL JOURNAL, v. 21, n. 2, MAY 2021. (17/15512-8, 18/15671-1, 19/19684-3, 19/11755-9)

PAIXAO, JESSE; DA SILVA, SAMUEL; FIGUEIREDO, ELOI; RADU, LUCIAN; PARK, GYUHAE. Delamination area quantification in composite structures using Gaussian process regression and auto-regressive models. JOURNAL OF VIBRATION AND CONTROL, v. 27, n. 23-24, OCT 2020. (18/15671-1, 19/19684-3, 17/15512-8, 19/11755-9)