Comparación de algoritmos de inteligencia artificial para la caracterización de emisiones acústicas en materiales compuestos de fibra de carbono (CFRP)

Abstract

[ES] En la actualidad, el uso de la inteligencia artificial (IA) aplicada a materiales compuestos estructurales se presenta cada vez más en la industria. Una de las aplicaciones es la monitorización de las señales de emisiones acústicas producidas durante el funcionamiento de determinados componentes. Con el análisis mediante IA de dichas señales se consigue obtener información en tiempo real de la integridad de los mismos, pudiendo incluso llegar a identificar modos de fallo.

Es por ello por lo que este estudio se centra en la comparación de diversos algoritmos de inteligencia artificial para la caracterización de emisiones acústicas generadas en un material compuesto de fibra de carbono.

En primer lugar, se realiza una exhaustiva revisión del estado del arte, estableciendo las bases teóricas necesarias; se analizan los diversos tipos y las características de los algoritmos de inteligencia artificial, así como los fundamentos de las emisiones acústicas y el comportamiento de los materiales compuestos reforzados con fibra de carbono.

Posteriormente, utilizando el programa MATLAB, se desarrollan varios tipos de algoritmos de caracterización empleando distintos parámetros. Para evaluar su desempeño, se lleva a cabo una toma de datos experimental de las emisiones acústicas generadas por diferentes impactos sobre una placa plana de fibra de carbono.

Tras ello, estos datos se procesan para extraer las características más relevantes de las señales. Posteriormente, se introducen en los algoritmos diseñados previamente para la creación de los modelos. Finalmente se evalúa el rendimiento de cada algoritmo y se exponen las ventajas e inconvenientes asociadas a su uso para finalizar con la designación de un modelo como óptimo.

[EN] Nowadays, the use of artificial intelligence (AI) applied to structural composite materials is increasingly being applied in industry. One of the applications is the monitoring of acoustic emission signals produced during the operation of components. By analysing these signals using AI, it is possible to obtain real-time information on the integrity of the components and even identify failure modes.

For this reason, this study focuses on the comparison of different artificial intelligence algorithms for the characterisation of acoustic emissions generated in a carbon fibre composite material.

Firstly, an exhaustive review of the state of the art is carried out, establishing the necessary theoretical bases. Various types and characteristics of artificial intelligence algorithms are analysed, as well as the fundamentals of acoustic emissions and the behaviour of carbon fibre reinforced composite materials (CFRP).

Afterwards, using MATLAB software, several types of characterisation algorithms are developed using different parameters. To evaluate their performance, an experimental data collection of acoustic emissions generated by different impacts on a carbon fibre plate is carried out. These data are processed to extract the most relevant characteristics of the signals.

After that, they are introduced into the algorithms previously designed for the creation of the models. Finally, the performance of each algorithm is evaluated and the advantages and disadvantages associated with their use are presented. Ending with the designation of a model as optimal.