MAC-Penalised Fisher Information Criterion for Optimal Sensor Placement in Structural Health Monitoring of Lattice Tower Structure

Die strukturelle Zustandsüberwachung ist die Praxis, der Welt der größten Bauwerke ständig ein offenes Ohr zu widmen – von Hängebrücken bis hin zu den hoch aufragenden Gittermasten, die Stromleitungen und Telekommunikationssignale tragen. Diese Strukturen vibrieren ständig, selbst wenn der Wind ruhig ist, und diese Vibrationen bergen einen geheimen Code über den internen Zustand der Struktur. Indem Ingenieure messen, wie ein Gebäude schwankt oder ein Turm sich verdreht, können sie dessen Eigenfrequenzen und die spezifischen Formen identifizieren, die es bei Bewegungen annimmt, bekannt als Modenformen (Mode Shapes). Wenn sich ein Teil der Struktur schwächt oder Risse bildet, ändern sich diese Vibrationsmuster. Um diesen Code zu lesen, bringen Ingenieure Sensoren an der Struktur an, stehen jedoch vor einer schwierigen physikalischen Einschränkung: Sie können nicht an jedem einzelnen Punkt eines massiven Turms einen Sensor platzieren. Sie müssen eine begrenzte Anzahl von Standorten wählen, die die nützlichsten Informationen erfassen. Wenn sie dies schlecht wählen, könnten die Sensoren denselben Vibrationsschwerpunkt zweimal erfassen oder, schlimmer noch, sie könnten die subtilen Unterschiede zwischen zwei sehr ähnlichen Bewegungen übersehen, was es unmöglich macht, festzustellen, ob die Struktur gesund oder in Gefahr ist.

Seit Jahrzehnten besteht die Standardmethode zur Wahl dieser Standorte darin, die Menge der gesammelten Informationen zu maximieren – eine Strategie, die in der Theorie gut funktioniert, aber in der Praxis bei komplexen, symmetrischen Strukturen oft versagt. Dieser traditionelle Ansatz neigt dazu, Sensoren in Bereichen zu gruppieren, in denen die stärksten Vibrationen auftreten, und ignoriert dabei die Tatsache, dass einige Vibrationsmuster für die Sensoren fast identisch aussehen. Wenn zwei verschiedene Vibrationsmuster nahezu das gleiche Signal erzeugen, wird das System verwirrt, ein Problem, das als Moden-Aliasing (Modal Aliasing) bekannt ist. In einer kürzlich durchgeführten Studie entwickelten Forscher der Tongji-Universität in Shanghai einen neuen Weg, um Sensoren auf einem 60 Meter hohen Gitterturm zu platzieren. Anstatt nur nach dem meisten Informationsgehalt zu streben, bestraft ihre neue Methode die Sensoren aktiv dafür, sich zu ähnlich zu sein. Sie entwickelten ein System, das ein Gleichgewicht zwischen dem Bedarf an Daten und dem Bedarf an deutlichen, klaren Signalen schafft und sicherstellt, dass jeder Sensor eine einzigartige Stimme zum Chor der Bewegungen der Struktur beiträgt.

Die Forscher testeten ihre Idee an einem detaillierten Computermodell eines Stahlgitterturms, einer Struktur, die einem riesigen, konischen, X-verstrebten Leitergestell erinnert, das 60 Meter hoch ist. Dieser Turm besitzt 44 Knotenpunkte, an denen Sensoren potenziell platziert werden könnten, und die Forscher hatten die Aufgabe, nur 12 davon auszuwählen, um acht spezifische Vibrationsmoden zu überwachen. Die Standardmethode, bekannt als „Effective Independence“, würde diese Sensoren typischerweise so verteilen, dass sie die stärksten Bewegungen erfassen, und sie oft hoch oben am Turm platzieren, wo das Schwanken am dramatischsten ist. Dieser traditionelle Ansatz führte jedoch zu einem kritischen Fehler: Zwei spezifische Vibrationsmoden, die bei sehr ähnlichen Frequenzen auftreten, wurden ununterscheidbar. Die Sensoren waren in ihrem „Zuhörverhalten“ so stark gruppiert, dass das System nicht zwischen diesen beiden Moden unterscheiden konnte; die Korrelation war so hoch, dass sie nahezu perfekt war.

Die neue Methode, die der Autor als „MAC-penalised Fisher Information“ bezeichnet, ändert die Spielregeln. Sie führt eine Strafe für die Platzierung von Sensoren ein, die dazu führen könnten, dass verschiedene Vibrationsmoden sich ähnlich sehen. Durch einen schrittweisen Auswahlprozess, der ständig nach dieser Verwirrung sucht, zwingt der Algorithmus die Sensoren dazu, sich so zu verteilen, dass die Moden getrennt bleiben, selbst wenn dies bedeutet, ein gewisses Maß an Rohdatenvolumen zu opfern. In der Simulation gelang es diesem Ansatz, die Verwirrung zwischen den beiden problematischen Moden um etwa 24 Prozent zu reduzieren. Der Kompromiss bestand darin, dass die Sensoren in den unteren 40 Prozent des Turms gruppiert wurden, wodurch die obere Hälfte unüberwacht blieb. Obwohl dies für eine Struktur, die sich oben am stärksten bewegt, kontraintuitiv erscheinen mag, fanden die Forscher heraus, dass diese spezifische Anordnung notwendig war, um die verwirrenden Signale der komplexeren, tiefer liegenden Vibrationen zu entwirren.

Als die Forscher reale Bedingungen simulierten, indem sie zufälliges Rauschen zu den Messungen hinzufügten, zeigten die Ergebnisse ein nuanciertes Bild der Zuverlässigkeit. In Umgebungen mit hohem Rauschniveau, wie etwa an einem windigen Tag, schnitt die neue Methode genauso gut ab wie die traditionelle und in einigen Fällen sogar etwas besser. In sehr ruhigen Bedingungen, in denen das Signal klar ist, lieferte die traditionelle Methode ein etwas genaueres Durchschnittsergebnis, da sie mehr Rohinformationen gesammelt hatte. Der wahre Vorteil der neuen Methode zeigte sich jedoch in der Konsistenz der Ergebnisse. Während die traditionelle Methode in ihren schlechtesten Szenarien gelegentlich große, erratische Fehler produzierte, blieb die neue Methode stabil und zuverlässig. Die Fehlerbreite war viel geringer, was bedeutet, dass Ingenieure darauf vertrauen können, dass das System konsistent arbeitet, selbst wenn die Bedingungen nicht perfekt sind. Diese Zuverlässigkeit ist entscheidend für die Sicherheit, da sie sicherstellt, dass das System nicht gelegentlich versagt, ein Problem zu erkennen, nur aufgrund einer seltenen, unglücklichen Kombination aus Rauschen und Sensorplatzierung.

Die Studie kommt zu dem Schluss, dass für kritische Infrastrukturen wie Gittertürme, bei denen die Kosten für das Übersehen eines strukturellen Fehlers hoch sind, die Fähigkeit, ähnliche Vibrationsmuster konsistent zu unterscheiden, wertvoller ist, als das letzte Quäntchen an Rohdaten herauszupressen. Die neue Methode bietet einen Weg, Sensornetzwerke zu entwerfen, die robust gegenüber Verwirrung sind und so ein klareres, zuverlässigeres Bild für den Gesundheitszustand einer Struktur liefern. Obwohl dieser Ansatz einen Kompromiss bei der räumlichen Abdeckung erfordert, indem er die Sensoren in den unteren Abschnitten des Turms konzentriert, deutet der Gewinn an Signalqualität und Konsistenz auf einen bedeutenden Fortschritt für die strukturelle Zustandsüberwachung hin. Die Forscher merken an, dass zukünftige Arbeiten daran bestehen werden, diese Ideen an physischen Türmen zu testen und die Methode zu verfeinern, um sie für Strukturen zu optimieren, die sich im Laufe der Zeit verändern; die Simulationsergebnisse liefern jedoch bereits ein überzeugendes Argument dafür, wie wir das „Hören“ auf die höchsten Strukturen unserer Welt neu denken sollten.