Ce travail porte sur le developpent de modele mathematique du processus d’identification de la fissure dans une aube de compresseur ou de turbine d’un moteur d’avion en fonctionnement. Dans le cadre de cette problematique, le modele non-linaire d’aube fissuree a ete developpe et introduit dans la modele globale de roue aubagee. La non-linearite causee par la presence de fissure a ete prise en consideration par application des elements d’analyse de contact conjointement avec la methode de alance harmonique. Nous avons utilise l’approche de sous-structuration pour la reduction de la taille du systeme. Cette approche se base sur la methode a interface fixe en supposant que la fissure forme l’interface entre deux sus-structures dependants. Elle a ete appliquee aux modeles d’aube isolee et roue aubagee. L’effet de forces centrifuges a aussi ete etudie en utilisant le modele d’aube pas couplee. On peut deduire de cette etude qu’il suffit de simuler le comportement vibratoire d’une aube fissuree par l’approche linaire, mais cela depend de la position et de la taille de la fissure. La formulation lineaire de comportement dynamique d’aube fissuree consiste a supposer que la fissure est toujours ouverte. L’effet de desaccordage a ete examine avec la simulation de reponse forcee de la roue aubagee contenant une aube fissuree. Les resultats de simulations montrent qu’un certain niveau de desaccordage peut cacher la reponse de l’aube fissuree. De plus, la capacite de detecter cette aube se degrade avec l’absence de sa localisation dynamique frequentielle. La derniere phase du travail a ete consacree a la simulation d’application de la methode de tip-timing a l’identification d’aube fissuree. Elle se constitue de la generation du temps d’arrive, la reconstruction d’amplitude de reponse en tete d’aube et le calcul de la reponse forcee du disque a partir des donnees mesurees (generees). Cela nous donne la possibilite d’identifier l’aube fissuree de maniere analogue a l’analyse de la reponse forcee. On peut conclure qu’il sera possible d’utiliser la methode de tip-timing comme une partie d’un systeme global de health monitoring de moteurs d’avion pour controler le comportement dynamique d’aubes de compresseur ou de turbine.

Faults detection in blades of an aviation engine in operation

State-of-the-art AI-based computational analysis in civil engineering

The local geometrical randomness of metal foams brings complexities to the performance prediction of porous structures. Although the relative density is commonly deemed as the key factor, the stochasticity of internal cell sizes and shapes has an apparent effect on the porous structural behaviour but the corresponding measurement is challenging. To address this issue, we are aimed to develop an assessment strategy for efficiently examining the foam properties by combining multiscale modelling and deep learning. The multiscale modelling is based on the finite element (FE) simulation employing representative volume elements (RVEs) with random cellular morphologies, mimicking the typical features of closed-cell Aluminium foams. A deep learning database is constructed for training the designed convolutional neural networks (CNNs) to establish a direct link between the mesoscopic porosity characteristics and the effective Young’s modulus of foams. The error range of CNN models leads to an uncertain mechanical performance, which is further evaluated in a structural uncertainty analysis on the FG porous three-layer beam consisting of two thin high-density layers and a thick low-density one, where the imprecise CNN predicted moduli are represented as triangular fuzzy numbers in double parametric form. The uncertain beam bending deflections under a mid-span point load are calculated with the aid of Timoshenko beam theory and the Ritz method. Our findings suggest the success in training CNN models to estimate RVE modulus using images with an average error of 5.92%. The evaluation of FG porous structures can be significantly simplified with the proposed method and connects to the mesoscopic cellular morphologies without establishing the mechanics model for local foams.

AI enhanced finite element multiscale modelling and structural uncertainty analysis of a functionally graded porous beam

L.H. Song

Papers

End-to-End Structural analysis in civil engineering based on deep learning

The balance of the air flow noise in extracting acoustic signals of the cracked blade

State-of-the-art AI-based computational analysis in civil engineering

Numerical study of steel plate shear walls with diverse construction configurations