LA2COM - LAboratory of Lightweight Aircrafts COndition Monitoring: integration of multimodal experimental data fusion and digital twin simulations

Logo PR-ER.jpeg

Il progetto è realizzato grazie ai Fondi europei della Regione Emilia-Romagna

Responsabile Scientifico: Prof.  Emiliano Mucchi

Capofila: HIGHFTECH ENGINEERING S.R.L.

Partner del progetto:

  • IN4 Hub
  • UniBo CIRI AERO
  • Fondazione DEMOCENTER- SIPE

Finanziamento concesso: 498.713,12 €

Finanziamento destinato a Unife: 159.087,60 €

Durata: 24/30 mesi

Il progetto

Il progetto prevede lo sviluppo di un laboratorio integrato virtuale e fisico per il monitoraggio, la diagnosi e la prognosi di velivoli leggeri (elicotteri). Il laboratorio riguarderà sia lo sviluppo di un Digital Twin del velivolo e di una sperimentazione in prototipo rappresentativo.

In particolare, il progetto coinvolge l’integrazione della sensoristica on-board con sensori aggiuntivi al fine di sviluppare, tramite tecniche di Data Fusion, indicatori dello stato di salute che permettano l’individuazione tempestiva di eventuali guasti. I dati acquisiti saranno forniti real-time al Digital Twin del velivolo per monitorare in continuo l'intera struttura. Oltre ad aumentare la sicurezza complessiva, questo approccio faciliterà lo sviluppo di sistemi di ausilio alla guida che favoriranno l’utilizzo del velivolo, in particolare da parte di soggetti fragili. Infine, il Digital Twin permetterà anche di replicare condizioni di danneggiamento, difficilmente riproducibili sperimentalmente, e di ottimizzare il design del velivolo, al fine di ridurre le emissioni prodotte.

Tramite collaborazione con le aziende partner, si prevede la realizzazione di un banco prova prototipale atto a dimostrare l’efficienza delle tecniche numeriche sviluppate.

Obiettivi e risultati attesi

Obiettivi:

  • Selezionare i sensori più adatti per ogni tipologia di componente monitorato (accelerometri, estensimetri, termocoppie, fibre Bragg…).
  • Costruire algoritmi di Data Fusion che integrino segnali eterogenei, per applicazioni in velivoli leggeri; Sviluppare tecniche di Machine Learning per il monitoraggio, diagnosi e prognosi di velivoli leggeri integrando tecniche di Data Fusion;
  • Sviluppare il Digital Twin del velivolo che integri un modello ad elementi finiti delle parti strutturali, un modello a parametri concentrati del sistema di trasmissione e un modello di controllo del moto in diverse condizioni di volo Costruire un banco di prova prototipale ed il corrispondente Digital Twin, per la validazione delle metodologie sviluppate in un ambiente rappresentativo rilevante (TRL 6) 

Risultati:

  • Sensorizzazione del velivolo;
  • Algoritmi di Machine Learning per monitoraggio, diagnosi e prognosi basati su feature costruite tramite Data Fusion;
  • Digital Twin del velivolo;
  • Set up di sensoristica aggiuntiva per sistemi di ausilio alla guida;
  • Sistema di diagnosi e prognosi real-time basato su Digital Twin;
  • Dataset simulato di segnali in presenza di componenti danneggiati Metodologia progettuale per l’ottimizzazione del design velivolo ai fini dell'alleggerimento e riduzione consumi;
  • Digital Twin validato del banco prova;
  • Dimostrazione dell’efficacia delle tecniche sviluppate di Health Management su un banco prova prototipale (laboratorio).