Dimensional Stability of Carbon Fibre Reinforced Polymers prepared by Infusion Processes

This thesis investigates a critical concern in aerospace engineering, particularly about fibre-reinforced polymers (FRPs) deployed in structural laminates. The deleterious impact of microcracks within laminates, induced by thermal stresses during operational conditions, poses a formidable challenge, potentially curtailing these materials' longevity and optimal utilization. This problem could be even more dangerous in structures used for hydrogen fuel storage. Subcritical matrix cracking can lead to the percolation of cracks through the thickness of the material and consequent fuel leakage, which can be considered a safety issue. The study aims to comprehensively comprehend the intricate mechanisms underpinning microcrack generation and propagation within non-crimp fabric (NCF) laminates manufactured through resin transfer moulding (RTM) when subjected to thermal cycling. Utilizing X-ray computed tomography (XCT) constitutes the primary investigative modality for elucidating the progression of microcrack formation and dissemination. The NCF laminates' low crimped textile structure, affording in-plane mechanical properties akin to traditional unidirectional angle-ply laminates, introduces a notable juxtaposition. However, stitching threads within the NCF laminates introduces a distinct challenge by inciting matrix crack formation in response to thermal fluctuations. This behaviour was not evidenced in standard woven materials. Incorporating machine learning algorithms (ML) for crack segmentation derived from XCT imaging is a pioneering approach. This methodology facilitates extracting pivotal geometric characteristics from segmented images, offering indispensable insights into the morphology, dimensions, spatial arrangement, and density of the incurred damage. Such meticulous analyses profoundly contribute to an enriched comprehension of damage evolution within the laminates, offering a nuanced perspective on microcrack development and its consequential impact on material integrity. The combination of advanced imaging modalities with machine learning algorithms underscores the study's potential to augment our discernment of damage mechanisms inherent in composite materials undergoing thermal cycling. This work promises to engender more robust and enduring composite structures for aerospace applications, thereby ensuring the development of safer and more resilient aircraft designs. RESUMEN La investigación de esta tesis aborda un problema crítico que prevalece en la ingeniería aeroespacial, en particular en relación con los polímeros reforzados con fibras (FRP) utilizados en laminados estructurales. El impacto nocivo de las microgrietas en los laminados, inducidas por las tensiones térmicas en condiciones operativas, plantea un reto formidable, que puede reducir la longevidad y la utilización óptima de estos materiales. Este problema podría ser incluso potencialmente más peligroso en estructuras utilizadas para almacenamiento de combustible de hidrógeno. La fisuración subcrítica puede ocasionar la percolación de grietas a través del espesor del material y las consiguientes fugas de combustible que pueden ser consideradas como cuestión de seguridad. El objetivo de este estudio es comprender en profundidad los intrincados mecanismos que subyacen a la generación y propagación de microfisuras en laminados Non-crimp fabric (NCF) fabricados mediante moldeo por transferencia de resina (RTM) cuando se someten a ciclado térmico. La utilización de la tomografía computarizada de rayos X (XCT) constituye la principal herramienta de investigación utilizada para dilucidar la progresión de la formación y propagación de microgrietas. La estructura textil poco ondulada de los laminados NCF, que ofrece propiedades mecánicas en el plano similares a las de los laminados unidireccionales tradicionales de capas angulares, introduce una notable yuxtaposición. No obstante, la presencia de hilos de costura dentro de los laminados NCF introduce un reto distinto al incitar la formación de grietas en la matriz en respuesta a las fluctuaciones térmicas. Este comportamiento no ha sido evidenciado en laminados fabricados con tejidos trenzados tradicionales. La incorporación de algoritmos de aprendizaje automático (ML) para la segmentación de grietas derivada de imágenes XCT constituye un enfoque pionero. Esta metodología facilita la extracción de características geométricas fundamentales a partir de imágenes segmentadas, ofreciendo información indispensable sobre la morfología, las dimensiones, la disposición espacial y la densidad de los daños producidos. Estos meticulosos análisis contribuyen profundamente a enriquecer la comprensión de la evolución de los daños en los laminados, ofreciendo una perspectiva matizada del desarrollo de microgrietas y su consiguiente impacto en la integridad del material. La combinación de modalidades avanzadas de imagen con algoritmos de aprendizaje automático subraya el potencial del estudio para aumentar nuestro discernimiento de los mecanismos de daño inherentes a los materiales compuestos sometidos a ciclos térmicos. Este trabajo promete generar estructuras de materiales compuestos más robustas y duraderas para aplicaciones aeroespaciales, garantizando así el desarrollo de diseños de aeronaves más seguros y resistentes.