Su diagnosi strutturale e caratterizzazione di materiali effettuate mediante prove di indentazione non-distruttive e analisi inverse

Le prove di indentazione (dette in passato di durezza) sono attualmente considerate esperimenti “quasi non distruttivi”, sempre più frequentemente utilizzati nelle analisi di diagnostica strutturale, cioè per la valutazione di parametri che possano quantificare eventuali danni o deterioramenti nel tempo con conseguenti riduzioni dei margini di sicurezza per assegnate condizioni di carico. Nella presente comunicazione si intendono evidenziare i risultati di recenti ricerche relative a strutture metalliche ed a materiali fragili come il vetro. Tali risultati sono innovativi rispetto all’attuale stato dell’arte e sono caratterizzati dalle seguenti caratteristiche principali. La prova viene simulata mediante analisi a elementi finiti. Le curve di indentazione rappresentano la sorgente di informazione da utilizzare. Per gli indentatori sono definite nuove forme geometriche , definite mediante procedure di ottimizzazione basate su analisi di sensibilità, cioè: con sezioni “bicircolari” per la determinazione di parametri di frattura fragile; con sezioni “ellittiche” e con indentazioni duplicate dopo rotazione per la valutazione di sforzi residui o per la calibrazione di modelli costitutivi con anisotropia. L’analisi inversa consiste nella minimizzazione di una “funzione di discrepanza” tra risultati sperimentali e computazionali mediante un noto algoritmo di programmazione matematica (detto “trust region algorithm”) ed è resa veloce ed economica, in vista di applicazioni frequenti e ripetute, mediante una procedura preliminare di riduzione del modello, detta “proper orthogonal decomposition”, e una successiva interpolazione effettuata con “radial basis functions”. Si utilizzano alcuni esempi per dimostrare potenzialità ed economicità dei procedimenti innovativi proposti e per confrontare l’efficienza pratica del “trust region” e degli algoritmi genetici, anche in considerazione della possibile mancanza di convessità della funzione di discrepanza. Gli effetti dei vari errori sperimentali sui risultati sono stimati mediante un approccio statistico