Detecção e Prognóstico de Falhas em Compósitos Reforçados com Fibra de Carbono Utilizando Emissão Acústica, Aprendizado de Máquinas e Visão Computacional

• Processo: 25/06677-0
• Modalidade de apoio: Bolsas no Brasil - Mestrado
• Data de Início da vigência: 01 de janeiro de 2026
• Data de Término da vigência: 28 de fevereiro de 2027
• Área de conhecimento: Engenharias - Engenharia Elétrica
• Pesquisador responsável: Pedro de Oliveira Conceição Junior
• Beneficiário: Catherine Bezerra Markert
• Instituição Sede: Escola de Engenharia de São Carlos (EESC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
• Vinculado ao auxílio: 23/02413-2 - Sistemas inteligentes para monitoramento e diagnóstico de falhas em ativos industriais baseados no conceito de indústria 4.0, AP.R
• Assunto(s): Diagnóstico de falhas Indústria 4.0 Materiais compósitos
• Palavra(s)-Chave do Pesquisador: diagnóstico de falhas | Industria 4 | Materiais compósitos | Monitoramento de condições | 0 | Monitoramento Industrial

Resumo

Este projeto está relacionado ao Auxílio à Pesquisa Regular financiado pela FAPESP (Proc. 2023/02413-2) intitulado Sistemas inteligentes para monitoramento e diagnóstico de falhas em ativos industriais baseados no conceito de indústria 4.0. Os Compósitos Reforçados com Fibra de Carbono (CFRPs, do inglês Carbon Fiber Reinforced Polymer) tem sido cada vez mais utilizados em diversos campos, incluindo o automobilístico, energético, esportivo e biomédico, devido à elevada resistência mecânica e ao baixo peso. Contudo, esses materiais estão sujeitos à delaminação, que pode comprometer sua integridade estrutural e ocasionar falhas. Nesse sentido, este projeto busca analisar sinais de Emissão Acústica (EA), os quais são amplamente empregados no monitoramento de danos, para identificar e caracterizar falhas em compósitos. Busca-se, assim, aprofundar a compreensão dos mecanismos de degradação em CFRPs a partir dos sinais de EA, correlacionando-os também ao desgaste das ferramentas empregadas na usinagem. Serão desenvolvidos modelos de aprendizado de máquina para estimar falhas, como delaminação e desgaste da ferramenta, enquanto a visão computacional auxiliará na identificação de padrões relacionados à evolução dos danos e a vida útil remanescente (RUL, Remaining Useful Life) da ferramenta. O estudo será validado mediante análise experimental envolvendo coleta de sinais de EA e de fotografias microscópicas correspondentes a diferentes severidades de falhas estruturais em materiais compósitos. Espera-se que os resultados obtidos contribuam para métodos mais precisos de monitoramento estrutural e para o avanço científico no entendimento da degradação de compósitos em processos de usinagem. (AU)