A study about the damage monitoring and self-healing of carbon fiber reinforced composite via deep-learning technique

Abstract

탄소섬유강화복합재료(CFRP)는 가벼운 무게, 높은 비강도, 높은 비강성으로 인해 자동차, 항공기, 우주선 및 스포츠 장비에 널리 사용됩니다. 그 장점으로 인해 많은 연구자들이 자동차 부품의 금속 재료를 더 가벼운 재료로 대체하려고 노력하고 있습니다. 일반적으로 CFRP는 섬유 방향의 기계적 물성이 우수합니다. 그러나 수지부분의 균열 및 박리는 복합재료 운용중에 쉽게 발생할 수 있고, 이러한 고장은 심각한 사고를 유발할 수 있습니다. 따라서 이를 방지하기 위한 손상 감지 기술의 개발이 필요합니다. 본 연구에서는 CFRP용 ACN(Addressable Conducting Network) 기반 딥 러닝 기반 손상 감지 및 자가 치유 시스템을 개발했습니다. CFRP의 상, 하면에 그리드 형태의 금속 전극을 사용합니다. 각 표면의 금속선은 평행하고 하단 및 상단 전극은 서로 수직을 이루게 설치하였습니다. ACN기법은 설치된 금속선을 전도망으로 활용하여 복합재 자체의 저항변화를 통해 복합재료의 손상을 감지할 수 있습니다. 이 방법은 넓은 면적에 적용이 가능하고 기계적 물성의 저하가 없고 공정이 간단하고 비용이 저렴하다는 장점이 있습니다. 또한, 설치된 전극에 전류를 인가하여 손상 부위에 저항열을 발생시킬경우, 열가소성 수지를 매트릭스로 사용하여 이 줄 가열을 이용해 CFRP의 자가 치유를 수행할 수 있습니다. 본 연구에서는 딥러닝 기술을 적용하여 자율 피해 감지를 완벽하게 구축하여 수행하였습니다. 손상으로 인한 저항 변화 데이터를 얻기 위해 Kirchhoff의 회로 법칙을 사용한 해석 모델이 개발되었습니다. 개발된 해석 모델을 ABAQUS 시뮬레이션 및 실험 결과와 비교하였고, 인공 신경망(ANN) 알고리즘을 사용하여 딥 러닝을 수행했습니다. 노드의 저항 변화를 입력 신호로 사용했습니다. ANN 알고리즘을 통과한 신호는 각 영역의 손상 여부 및 타입에 따라 0, 1 또는 2로 분류하였습니다. 딥 러닝을 사용하여 최적의 자가 치유 조건도 도출했습니다. 손상 감지와 마찬가지로 ANN을 사용했으며 학습 데이터는 COMSOL 줄 가열 시뮬레이션을 통해 얻었습니다. 손상 위치는 입력 신호로 사용되었으며 이를 이용하여 각 노드에 공급 될 전류 량 및 접지점을 도출하였습니다. 그 결과, ACN 기반으로 구축된 딥러닝 알고리즘이 압축 테스트에서 높은 정확도의 손상 감지 해상도를 나타내었습니다. 또한 손상된 CFRP 패널에 대한 최적의 자가 치유도 성공적으로 수행되었습니다.|Because of their light weight and high specific strength and stiffness, carbon-fiber-reinforced polymer (CFRP) composites are widely used in automobiles, aircrafts, space vehicles, and sports equipment. Although CFRPs exhibit excellent fiber-direction-oriented mechanical properties, matrix cracking, and delamination can be generated easily in structural applications. Because these failures can cause severe accidents, a damage detection technique must be developed to prevent them. In this work, a deep-learning-based system was developed using metallic grid lines on CFRP top and bottom surfaces and an addressable conducting network (ACN) for detecting CFRP damage and self-healing. Because the ACN utilizes installed metallic lines as a conducting network, structural damage can be evaluated based on composite resistance changes. This method can be applied to large areas, does not degrade mechanical properties, and is simple and inexpensive. In addition, using a thermoplastic resin matrix and joule heating, the CFRP can self-heal. In this study, deep learning was applied to autonomously detect damage. An analytical model was developed using Kirchhoff circuit laws to obtain the CFRP-damage-induced resistance change. Deep learning was performed using the artificial neural network (ANN) algorithm. Node resistance changes were used as input signals. The signals passing through the ANN algorithm were classified as 0 or 1 depending on whether each area was damaged. The optimal self-healing conditions were also derived using deep-learning. As with damage detection, ANN was used, and the training data were obtained using COMSOL joule heating simulations. The damage locations were used as input signals to determine the current for each node. Notably, the established ACN-based deep-learning algorithm exhibited highly accurate damage detection resolution during compression. In addition, damaged CFRP panels were optimally self-healed.