International Space Station operational modal analysis via iterative pole relocation

Resumen Técnico: Análisis Modal Operacional de la Estación Espacial Internacional mediante Reubicación Iterativa de Polos

Enunciado del Problema
La monitorización de la salud estructural (SHM) de estructuras espaciales, particularmente sistemas grandes y flexibles como la Estación Espacial Internacional (ISS), requiere una estimación precisa de los parámetros modales (frecuencias naturales, relaciones de amortiguamiento y formas modales). La Análisis Modal Experimental (EMA) tradicional es impracticable para activos en órbita debido a la imposibilidad de aplicar entradas controladas. En consecuencia, el Análisis Modal Operacional (OMA) es necesario, dependiendo exclusivamente de datos de solo salida generados por excitaciones ambientales como la actividad de la tripulación, maquinaria y la resistencia atmosférica. Sin embargo, los métodos OMA existentes, como la Técnica de Excitación Natural combinada con el Algoritmo de Realización del Sistema de Eigen (NExT-ERA) o la Identificación de Subespacio Estocástico (SSI), a menudo luchan con la precisión bajo condiciones ruidosas, particularmente para modos de orden superior o cuando los datos son limitados. Existe una necesidad crítica de métodos de Identificación de Sistemas (SI) de solo salida, computacionalmente robustos, capaces de operar eficazmente en los entornos extremos y variables del espacio.

Metodología
Este trabajo propone un algoritmo OMA novedoso que integra la Técnica de Excitación Natural (NExT) con el algoritmo de Ajuste Vectorial Rápido y Relajado (FRVF). La metodología procede de la siguiente manera:

1. Procesamiento de Señal (NExT): Los datos de vibración ambiental (aceleración) se procesan para estimar funciones de autocorrelación y cruz-correlación. Bajo el supuesto de una excitación de banda ancha y estacionaria, estas funciones de correlación se tratan como equivalentes a Funciones de Respuesta al Impulso (IRF).
2. Transformación al Dominio de la Frecuencia: Las IRF estimadas se transforman al dominio de la frecuencia mediante la Transformada Rápida de Fourier (FFT) para generar funciones de respuesta en frecuencia (FRF).
3. Extracción Modal (FRVF): Las FRF se ajustan utilizando el algoritmo FRVF. A diferencia de los métodos tradicionales en el dominio del tiempo, FRVF opera en el dominio de la frecuencia utilizando una optimización iterativa de mínimos cuadrados para reubicar polos.
   • Ajuste Vectorial Relajado: Esta extensión mitiga grandes desplazamientos de polos introduciendo un término constante desconocido en la función de escala, previniendo el mal acondicionamiento.
   • Ajuste Vectorial Rápido: Esta extensión reduce el costo computacional para datos de múltiples salidas explotando el hecho de que los residuos de la función de escala son comunes a todas las respuestas, permitiendo un sistema de mínimos cuadrados reducido mediante factorización QR.
4. Marco de Validación: El método se valida a través de dos etapas:
   • Caso Numérico: Se utiliza un modelo de viga en voladizo de Euler-Bernoulli para comparar NExT-FRVF contra NExT-ERA y SSI. Los estudios paramétricos evalúan los efectos del ruido de medición (hasta un 2%), los esquemas de ponderación (unitaria, inversa débil, inversa fuerte) y los conteos de iteraciones.
   • Caso Experimental: Se analizan datos reales de aceleración del Sistema de Medición de Aceleración Espacial (SAMS) a bordo de la ISS. El estudio utiliza datos de cinco sensores triaxiales durante una ventana de 5 minutos, procesados en cuatro casos de adquisición distintos para probar la consistencia temporal.

Contribuciones Clave

• Algoritmo Novel: Este trabajo presenta la primera implementación de un algoritmo FRVF de solo salida para OMA, adaptado específicamente para aplicaciones aeroespaciales mediante el marco NExT.
• Robustez ante el Ruido: El estudio demuestra que el método NExT-FRVF propuesto supera a los métodos de referencia (NExT-ERA y SSI) en entornos ruidosos, particularmente en lo que respecta a la identificación de modos de orden superior y la estimación de relaciones de amortiguamiento.
• Optimización Paramétrica: El artículo proporciona un análisis sistemático de los esquemas de ponderación y los conteos de iteraciones, estableciendo que, aunque la ponderación unitaria es suficiente para modos bien excitados, la ponderación inversa fuerte es necesaria para recuperar modos superiores débilmente excitados en condiciones ruidosas. También identifica cinco iteraciones como un compromiso práctico entre el costo computacional y la precisión de identificación.
• Aplicación en la ISS: El método se aplica con éxito al sistema espacial habitado más grande, la ISS, logrando una identificación modal consistente donde SSI falló en detectar la mayoría de los modos en el rango de baja frecuencia.

Resultados

• Validación Numérica: En condiciones sin ruido, NExT-FRVF logró errores de frecuencia natural inferiores al 0,05% y errores de relación de amortiguamiento inferiores al 1,35% en comparación con soluciones analíticas. Bajo ruido gaussiano blanco aditivo del 2%, NExT-FRVF mantuvo una precisión superior en la estimación de amortiguamiento y consistencia de formas modales (valores MAC) para modos superiores (por ejemplo, Modo 8) en comparación con NExT-ERA, que exhibió una degradación significativa.
• Ponderación e Iteraciones: La ponderación inversa fuerte mejoró significativamente la identificación del Modo 8 (que no fue detectado con ponderación unitaria) y redujo los errores de amortiguamiento para el Modo 7. Se encontró que cinco iteraciones son suficientes para una identificación fiable de frecuencia y formas modales, con iteraciones adicionales ofreciendo solo mejoras marginales en las estimaciones de amortiguamiento para modos débilmente excitados.
• Resultados Experimentales en la ISS: Aplicado a los datos SAMS de la ISS, NExT-FRVF identificó cinco modos distintos (que van desde ~0,27 Hz hasta ~1,25 Hz) con un fuerte acuerdo con NExT-ERA en frecuencias naturales (desviaciones < 10%) y formas modales (MAC > 0,85 para la mayoría de los modos).
  • Los modos identificados se interpretaron físicamente como deformaciones estructurales globales (por ejemplo, movimientos globales de la estación XY/XZ, deformaciones de la estructura).
  • La consistencia temporal se verificó en cuatro casos de adquisición que abarcan diferentes posiciones orbitales y tiempos. Los Modos 2–5 satisficieron los criterios de validez de la NASA (MAC > 0,7, desviación de frecuencia < 10%), mientras que el Modo 1 mostró una consistencia menor, atribuida a la cobertura espacial limitada de los sensores y al dominio local en lugar de una falla algorítmica.
  • SSI falló en identificar cualquier modo por debajo de 0,7 Hz, destacando las limitaciones de los métodos estándar en el dominio del tiempo en este rango de frecuencia específico y entorno ruidoso.

Significado y Afirmaciones
Los autores afirman que este trabajo establece un método SI de solo salida fiable, capaz de operar bajo las condiciones extremas y ruidosas del espacio. El artículo afirma que NExT-FRVF ofrece una ventaja significativa sobre los puntos de referencia establecidos como NExT-ERA y SSI, particularmente en la robustez de la estimación de amortiguamiento y la capacidad de resolver modos de orden superior débilmente excitados. Al identificar con éxito modos físicamente significativos en la ISS utilizando únicamente datos de aceleración ambiental, el estudio valida el potencial de este enfoque para la Monitorización de la Salud Estructural (SHM) de estructuras aeroespaciales. Los autores posicionan el método como una herramienta viable para apoyar el mantenimiento preventivo y el control de actitud para sistemas grandes en órbita, señalando que los modos extraídos son consistentes con la literatura existente y físicamente interpretables a pesar de la cobertura limitada de sensores. El trabajo concluye que el método está listo para la aplicación práctica en la monitorización de estructuras espaciales operativas, sugiriendo trabajo futuro para la optimización computacional y el agrupamiento automatizado.