Damage classification of cnt/cnc-reinforced pu foam-cored sandwich panels through acoustic emission testing
Akustik emisyon yöntemi ile knt/snk katkılı pu köpük dolgulu sandviç plakaların hasar mekanizmalarının incelenmesi
- Tez No: 849776
- Danışmanlar: DR. ÖĞR. ÜYESİ KAAN YILDIZ
- Tez Türü: Yüksek Lisans
- Konular: Havacılık ve Uzay Mühendisliği, Aeronautical Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: İstanbul Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Uçak ve Uzay Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Uçak ve Uzay Mühendisliği Bilim Dalı
- Sayfa Sayısı: 82
Özet
Yüksek verimli uçakların tasarlanırken gerekli mekanik özelliklerin karşılanması ve faydalı yük için daha fazla alan oluşturulması havacılık ve uzay şirketlerinin en önemli tasarım koşullarındandır. Kompozit yapılar, özellikle sandviç kompozitler, standart metal-alüminyum yapı malzemelerine göre yüksek mukavemet/ağırlık oranına sahip olmaları nedeniyle havacılık endüstrisinde yaygın kullanıma sahiptir. Sandviç kompozitler genelde yüzey katmanı (face sheet), çekirdek (core) ve opsiyonel olarak yüzey katmanı ile çekirdek malzemesi arasında bulunan yapışkan filmden oluşur. Çekirdek malzemesi olarak ise balpeteği yapılar veya polimerik köpük dolgusunun kullanılması oldukça yaygındır. Balpeteği yapılı sahip sandviç kompozitlerin darbe dayanımı yüksek olmasına rağmen, balpeteği yapıların açık hücre geometrisinden dolayı nem emme, su biriktirme ve yapışma ayrılması (debonding) gibi dezavantajları bulunmaktadır. Bundan dolayı, kapalı hücreli çekirdek yapısına sahip sert polimerik köpükler, bu dezavantajların üstesinden gelme ve gelecekteki uygulamalar için balpeteklerinin yerini alma kapasitesine sahiptir. Polimerik köpükler kapalı hücre yapısı sayesinde yüzey katmanı ile daha etkin yapışma sağlarlar ve böylece hücre aralarına su girmesi engellenir. Kapalı hücreli ve sert poliüretan (PU) köpükler, kolay imalat sürecine sahip olmaları, multifonksiyonel olmaları ve katkılama çalışmalarına elverişli olmaları nedenleriyle sandviç köpüklerin dolgu malzemesi olarak öne çıkmaktadır. PU köpüklere yapılabilen nanokatkılama çalışmaları sonucunda yapının mekanik, termal, akustik gibi malzeme özelliklerinde iyileştirmeye yönelik çalışmalar yapılabilir. Karbon nanotüpler (KNT) ise üstün mukavemet özellikleri ve hafif olmaları nedeniyle PU köpüklerin nanomalzeme katkılama çalışmalarında sıklıkla kullanılmaktadır. Bununla birlikte, katkılama çalışmalarındaki KNT konsantrasyonun nispeten yüksek olduğu durumlarda ise köpük içerisinde topaklanma ve homojen olmayan dağılım gibi dezavantajlar meydana gelmektedir. Bu da PU köpüğün malzeme değerlerinde düşüşe yol açabilir. Bu nedenle, yüksek konsantrasyonlardaki KNTlerin katkılama çalışmalarında bu sorunu ortadan kaldırmak için farklı stratejiler denenmektedir. Bu doğrultuda, bu çalışmada, KNTlerin kendileri ile kimyasal olarak uyumlu bir malzeme olan selüloz nanokristal (SNK) ile birlikte hibridize edildikten sonra PU köpüğe katkılama yapılırsa dispersiyon problemine etkili bir çözüm olacağı öngörülmüştür. Çünkü SNKler ile KNTler suda disperse edilirse, SNKlerin hidrofilik kısımları su ile bağ yaparken hidrofobik kısımlarının ise KNTler ile bağ yapacağı düşünülmektedir. Böylece, KNTlerin kendi arasındaki güçlü Van der Walls bağlarının etkisinin azaltılacağı öngörülmektedir. Böylece, KNTlerin daha yüksek oranlarda nanomalzeme katkılaması yapılarak optimum değerin bulunmasına yönelik çalışmalar yapılabilecektir. Güvenli uçuş koşullarının sağlanabilmesi için uçuş öncesindeki ve uçuş esnasındaki yapılan kontrollerde olası arızaların hızlı bir şekilde tespit edilmesi oldukça önemlidir. Bu sebeple hava-uzay araçlarında kullanılan malzemelerin olası hasar mekanizmalarının belirlenmesi ve bu hasar mekanizmaları geciktirilerek veya ortadan kaldırılarak güvenli uçuş koşullarının sağlanabilmesi gerekmektedir. Köpük dolgulu sandviç kompozitlerin birçok avantajının yanı sıra, artan yükler altında oluşabilecek bazı hasar mekanizmaları da vardır. Akustik emisyon (AE) testi olarak adlandırılan tahribatsız muayene yöntemi, malzeme yüzeyine entegre edilen sensörler tarafından hasar kaynağından yayılan geçici elastik dalgaların gerçek zamanlı olarak yakalanmasına ve bu hasar mekanizmalarının sınıflandırılmasına olanak sağlar. Elektromanyetik, radyografik ve ultrasonik gibi diğer tahribatsız muayene tekniklerinden farklı olarak AE, hasar eğilimini analiz eder ve doğrudan hasar kaynağından yayılan verileri kullanarak geri dönüşü olmayan potansiyel hasarların önlenmesine yardımcı olan bir yapısal sağlık izleme yöntemidir. Ancak, hasar kaynağından toplanan AE verilerinin özellikle hangi hasar mekanizmasına ait olduklarının tespit edilebilmesi için uygun bir kümeleme yöntemi kullanılarak AE verilerini sınıflandırılması gerekmektedir. Bu sınıflandırmada ise AE verilerinin genlik, kümülatif enerji, frekans aralığı, yükselme süresi, eşiği geçen AE veri sayısı, gibi özellikleri kullanılmaktadır. Manuel kümeleme, sinyal işleme, denetimli kümeleme ve denetimsiz kümeleme arasında; denetimsiz kümeleme, deneyin geçmiş verilerine sahip olmadan AE datalarının ilk kez analizindeki üstün performanslarından dolayı öne çıkmaktadır. Çünkü denetimli kümeleme yöntemi her ne kadar daha gelişmiş bir yöntem gibi gözükse de literatürdeki geçmiş verilerin kullanılması elde edilen dataların yanlış yorumlanmasına yol açabilmektedir. Çünkü, test edilen ortam, kullanılan malzeme, sensör konumları, data ayıklama sistemi, ve testi yapan kişinin uzmanlığı gibi parametreler deneyden deneye oldukça farklılık gösterebilmektedir. En etkili denetimsiz kümeleme yöntemlerinden biri olan k-means algoritmasının performansı büyük ölçüde ilk küme merkezlerine bağlıdır ve sıklıkla yerel minimumlara takılıp kalır. Dolayısıyla k-ortalamalar genetik algoritması, makul bir sürede optimum çözümü sağlayabilmesi ve her iterasyonda kümeleri güncellemesi gibi gelişmiş arama kapasitesi sayesinde AE verilerini kümelere ayırmada daha etkin bir çözüm ortaya koymaktadır. Böylece, geçmiş deney verilerinin olmadığı ilk defa yapılan çalışmalarda en uygun kümeleme işlemi gerçekleştirilene kadar genetik algoritma tekrar eder ve AE verilerinin sınıflandırılması en uygun şekilde yapılmış olur. Literatürdeki makaleler incelendiğinde balpeteği yapılı ve köpük dolgulu sandviç kompozitlerin AE analizi üzerine çeşitli çalışmaların yapıldığı gözlemlenmiştir. Ancak köpük dolgulu sandviç kompozitlerdeki köpük dolgusunun nanomalzeme ile katkılanmasının hasar mekanizmalarına olan etkisinin incelenmesine yönelik pek fazla çalışmaya rastlanmamıştır. Bu tez kapsamında, PU köpüğün hibrit KNT/SNK malzeme ile katkılandırılmasının köpük dolgulu sandviç kompozitlerin hasar mekanizmaları üzerindeki etkisi AE test sistemi aracılığıyla incelenmiştir. Hasar mekanizmaları, k-ortalamalar genetik algoritması ile AE verilerinin tepe frekansı, genliği ve kümülatif enerjisi kullanılarak sınıflandırılmıştır. Ayrıca bir alt bölüm olarak karbon nanotüp ile güçlendirilmiş PU köpük dolgulu üç boyutlu dokuma I kiriş kompozitlerinin eğilme özellikleri incelenmiştir. Böylece sandviç kompozit yapılarla çalışmaya başlamadan önce, KNT katkılamasının PU köpüğün basma özelliklerine ve köpük dolgulu I kirişin eğilme davranışına olan etkisi test edilmiştir. Ayrıca bu ön çalışma, PU köpüklerin üç boyutlu dokuma I kiriş kompozitlerin yapısal bütünlüğüne ve hasar mekanizmalarının ortadan kaldırılmasına olan etkisinin anlaşılması için faydalı olmuştur.
Özet (Çeviri)
Aerospace companies are making significant attempts to design highly-efficient lightweight aircraft while satisfying the required mechanical properties and allowing increased volume for the payload. Composite structures, specifically sandwich composites, have widespread use in the aviation industry owing to their high strength-to-weight ratio when compared to standard metal-aluminum construction materials. Although honeycomb sandwich composites have high impact resistance, they have disadvantages such as moisture absorption, water accumulation, and debonding due to the open-cell structure of the honeycombs. Accordingly, rigid polymeric foams with a closed-cell core structure are capable of overcoming these disadvantages and replacing honeycombs in future applications. Closed-cell and rigid polyurethane (PU) foams are valuable since they have an easy manufacturing process, multifunctionality, and capacity for reinforcement studies. Carbon nanotubes (CNTs) frequently serve as reinforcement materials in PU foams owing to their superior strength and light weight. However, when the concentration of CNT reinforcement is relatively high, disadvantages such as agglomeration and nonuniform dispersion may occur in the foam structure, leading to poor mechanical properties of the materials. Therefore, reinforcing CNTs into PU foams by hybridizing them with auxiliary materials such as cellulose nanocrystals (CNCs) might be an efficient alternative approach to the dispersion problem. The hybridization with CNCs can prevent the formation of strong Van der Waals bonds between CNTs. Ensuring passenger safety in aircraft requires prompt detection of any potential damage. Despite several benefits of foam-filled sandwich composites, they also have particular damage mechanisms that may occur under high loadings. The non-destructive testing method called acoustic emission (AE) testing allows real-time identification of transient elastic waves that are released from the defect source by sensors and classification of these failure mechanisms. Unlike other non-destructive testing techniques such as electromagnetic, radiographic, and ultrasonic, AE analyzes the failure tendency and prevents potentially irreversible damage by using data released directly from the defect source. Nevertheless, it is necessary to use a clustering method to categorize AE data into appropriate clusters that are each associated with a possible damage mechanism. Among manual clustering, signal processing, supervised clustering and unsupervised clustering; unsupervised clustering arises due to their great performance in first-time analysis of AE hits without having a historic data of the experiment. The performance of the k-means algorithm, which is one of the most efficient unsupervised clustering methods, heavily depends on the first cluster centers, and it often gets stuck at local minima. Hence, the k-means genetic algorithm can resolve this challenge through improved searching capacity that can provide an optimum solution in a reasonable amount of time. Previous research in the literature mainly studied the AE analysis of sandwich composites with honeycomb and foam cores, but there is a lack of research on sandwich composites with nanomaterial reinforcement of core materials. The thesis investigated the impact of reinforcement studies on the damage mechanisms of CNT/CNC-reinforced foam-cored sandwich composites through the AE test system. Damage mechanisms were classified using peak frequency, amplitude, and cumulative energy of AE data by the k-means genetic algorithm. In addition, as a subsection, the bending properties of CNT-reinforced PU foam-filled 3D woven I-beam composites were studied. Thus, a preliminary study was performed for CNT reinforcement studies on PU foam and its combination with sandwich composites. Furthermore, this preliminary study was beneficial for understanding the influence of PU foams on sustaining structural integrity and avoiding damage mechanisms in composite structures.
Benzer Tezler
- Classification of the effects of natural disasters on structures through social media posts with machine learning methods
Sosyal medya paylaşımları üzerinden doğal afetlerin yapılar üzerindeki etkilerinin makine öğrenmesi yöntemleri ile sınıflandırılması
UTKU SÜSOY
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDokuz Eylül ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ÖZLEM AKTAŞ
- Evrişimli sinir ağı modellerinin betonarme yapılarda deprem hasarı sınıflandırması üzerinden karşılaştırılması: Kahramanmaraş örneği
Comparision of convolutional neural network models on earthquake damage classification in reinforced concrete structures: The case of Kahramanmaraş
RAŞİT EREN CANGÜR
- Earthquake damage detection with satellite imagery and deep learning approaches: A case study of the february 2023, Kahramanmaraş, Turkey earthquake sequence
Uydu görüntüleri ve derin öğrenme yaklaşımları ile hasar tespiti: 2023 şubat Kahramanmaraş, Türkiye deprem dizisinden bir vaka çalışması
FATMA ELİK
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiUydu Haberleşmesi ve Uzaktan Algılama Ana Bilim Dalı
PROF. DR. ELİF SERTEL
- Multidisciplinary investigation of C-type composite sandwich radome panels within the scope of acoustic emission based damage characterization and electromagnetic transmission performance
Akustik emisyon esaslı hasar karakterizasyonu ve elektromanyetik iletim performansı kapsamında C-tipi kompozit sandviç radom panellerinin çok disiplinli araştırılması
FATİH UZUN
Yüksek Lisans
İngilizce
2020
Makine MühendisliğiSabancı ÜniversitesiÜretim Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MURAT BÜYÜK
PROF. DR. MEHMET YILDIZ
- Güneş paneli kusurlarının derin öğrenme tabanlı sınıflandırılması
Classification of solar panels defects based on deep learning
SEBAHATTİN YİĞİT LERMİ
Yüksek Lisans
Türkçe
2024
Elektrik ve Elektronik MühendisliğiZonguldak Bülent Ecevit ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TUĞBA ÖZGE ONUR