Damage detection and identification in sandwich composites using neural networks

Abstract

Marine, aerospace, ground and civil structures can receive unexpected loading that may compromise integrity during their life span. Therefore, improvement in detecting damage can save revenue and lives depending upon the application. The prognostic capability is usually a function of the examiner’s experience, background and data collection during the evaluation. Nondestructive evaluation (NDE) methods are varied and specific to a given type of system (material, damage type, loading and environmental scenarios). As a result, one method of damage detection alone cannot examine all possible conditions and may even give false readings. In other words, by using more than one NDE technique, the probability of ensuring a more accurate detection increases. This work examined various existing NDE techniques to assess damage in sandwich composites structures including: vibration modal analysis, transient thermal response, and acoustic emission. Sandwich composites consisting of two carbon fiber/epoxy matrix face sheets laminated onto a urethane foam core were experimentally and analytically characterized using vibration, and thermal response to detect the presence of various types of damages. A neural network (NN) approach that uses vibration and thermal signatures to determine the condition of a composite sandwich structure is purposed. The data used to train a probabilistic neural network (PNN) were provided by numerical simulations. Literature offers substantial evidence of the validity of each of the chosen damage detection schemes separately. However, we will show that these methods can work jointly to complement each other in detecting the state of a sandwich composite structure.

Las estructuras comunmente utilizadas en ingeniería sufren la acción de cargas impredecibles, la cuales puden comprometer su integridad durante la vida útil. Sin embargo, métodos de detección de daños mas sofisticados pueden evitar pérdidas económicas y humanas dependiendo de la aplicación. La capacidad de diagnostico predictivo depende de la experiencia de la persona que realiza la evaluación, de sus conocimientos previos y de la información obtenida durante la inspección. Además, los métodos no destructivos de evaluación son muy variados y específicos para cada tipo de material, daño, carga y aplicación. Por lo tanto, el uso de un único método no es suficiente para cubrir todas las posibles condiciones y podría producir falsos resultados. En otras palabras, usando varios métodos de evaluación simultaneamente aumenta la probabilidad de detección del daño. El presente trabajo examina algunos de los métodos no destructivos actualmente utilizados para evaluar daños en estructuras de materiales compuestos tipo sandwich como por ejemplo ánalisis modal de vibraciones, comportamiento termal en estado transitorio, emisiones acásticas, etc. Estructuras de material compuesto formadas por dos laminas de fibras de carbonos en una matríz de epoxy separadas por un nucleo de poliuretáno liviano fueron estudiadas analítica y experimentalmente usando resultados termales y de vibraciones. Esta información es analizada y clasificada por un systema de redes neurales en busca de daños y defectos en el material. El proceso de aprendizaje del systema de redes se realizó usando resultados obtenidos de modelos numéricos. Aunque los métodos no destructivos antes mencionados funcionan bien por si solos, aqui mostraremos que pueden trabajar conjuntamente complementandose entre ellos en la deteccion de daños en este tipo de materiales.