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

La surveillance de l'état de santé des structures consiste à garder une oreille attentive et constante sur les plus grandes structures civiles du monde, des ponts suspendus aux mâts en treillis imposants qui supportent les lignes électriques et les signaux de télécommunication. Ces structures vibrent constamment, même lorsque le vent est calme, et ces vibrations détiennent un code secret sur l'état interne de la structure. En mesurant la façon dont un bâtiment oscille ou une tour se tord, les ingénieurs peuvent identifier ses fréquences naturelles et les formes spécifiques qu'elle adopte lorsqu'elle se déplace, appelées modes de vibration (ou « mode shapes »). Si une partie de la structure s'affaiblit ou se fissure, ces motifs de vibration changent. Pour lire ce code, les ingénieurs fixent des capteurs à la structure, mais ils sont confrontés à une contrainte physique difficile : ils ne peuvent pas placer un capteur à chaque point d'une tour massive. Ils doivent choisir un nombre limité d'emplacements qui capturent l'information la plus utile. S'ils choisissent mal, les capteurs pourraient finir par écouter deux fois le même motif de vibration ou, pire encore, ils pourraient manquer les différences subtiles entre deux mouvements très similaires, rendant impossible la distinction entre une structure saine et une structure en danger.

Pendant des décennies, la méthode standard pour choisir ces emplacements a consisté à maximiser la quantité d'informations recueillies, une stratégie qui fonctionne bien en théorie mais qui échoue souvent en pratique sur des structures complexes et symétriques. Cette approche traditionnelle a tendance à regrouper les capteurs dans les zones où les vibrations les plus fortes se produisent, ignorant le fait que certains motifs de vibration ressemblent presque de manière identique pour les capteurs. Lorsque deux motifs de vibration différents produisent un signal presque identique, le système devient confus, un problème connu sous le nom d'aliasing modal. Dans une étude récente, des chercheurs de l'Université de Tongji à Shanghai ont abordé cette question en développant une nouvelle façon de placer des capteurs sur une tour en treillis de 60 mètres. Au lieu de simplement courir après le plus d'informations possible, leur nouvelle méthode pénalise activement les capteurs s'ils sont trop similaires les uns aux autres. Ils ont créé un système qui équilibre le besoin de données avec le besoin de signaux distincts et clairs, garantissant que chaque capteur apporte une voix unique au chœur du mouvement de la structure.

Les chercheurs ont testé leur idée sur un modèle informatique détaillé d'une tour en treillis d'acier, une structure ressemblant à une échelle géante en X de 60 mètres de haut. Cette tour possède 44 nœuds où des capteurs pourraient potentiellement être placés, et les chercheurs avaient pour tâche d'en sélectionner seulement 12 pour surveiller huit modes de vibration spécifiques. La méthode standard, connue sous le nom d'Indépendance Effective (Effective Independence), tendrait à répartir ces capteurs pour capturer les mouvements les plus forts, les plaçant souvent en haut de la tour là où l'oscillation est la plus spectaculaire. Cependant, cette approche traditionnelle a entraîné une faille critique : deux modes de vibration spécifiques, qui se produisent à des fréquences très proches, sont devenus indiscernables. Les capteurs étaient tellement regroupés dans leurs habitudes d'écoute que le système ne pouvait pas distinguer ces deux modes, avec une corrélation si élevée qu'elle était presque parfaite.

La nouvelle méthode, que l'auteur appelle l'Information de Fisher pénalisée par la matrice MAC (MAC-penalised Fisher Information), change les règles du jeu. Elle introduit une pénalité pour le placement de capteurs qui ferait que différents modes de vibration se ressemblent. En exécutant un processus de sélection étape par étape qui vérifie constamment cette confusion, l'algorithme force les capteurs à se répartir de manière à maintenir la séparation des modes, même si cela signifie sacrifier un certain volume de données brutes. Dans la simulation, cette approche a réussi à réduire la confusion entre les deux modes problématiques d'environ 24 pour cent. Le compromis était que les capteurs se sont retrouvés regroupés dans les 40 pour cent inférieurs de la tour, laissant la moitié supérieure sans surveillance. Bien que cela puisse paraître contre-intuitif pour une structure qui oscille le plus en haut, les chercheurs ont découvert que cet arrangement spécifique était nécessaire pour démêler les signaux confus des modes de vibration inférieurs, plus complexes.

Lorsque les chercheurs ont simulé des conditions réelles en ajoutant un bruit aléatoire aux mesures, les résultats ont révélé un tableau nuancé de la fiabilité. Dans des environnements présentant des niveaux de bruit élevés, comme une journée venteuse, la nouvelle méthode a performé aussi bien que la méthode traditionnelle, et dans certains cas, légèrement mieux. Cependant, dans des conditions très calmes où le signal est clair, la méthode traditionnelle a produit un résultat moyen légèrement plus précis car elle avait recueilli plus d'informations brutes. Le véritable avantage de la nouvelle méthode est apparu dans la constance des résultats. Alors que la méthode traditionnelle produisait occasionnellement des erreurs importantes et erratiques dans ses pires scénarios, la nouvelle méthode est restée stable et fiable. L'étendue des erreurs était beaucoup plus étroite, ce qui signifie que les ingénieurs pouvaient faire confiance au système pour fonctionner de manière constante, même lorsque les conditions n'étaient pas parfaites. Cette fiabilité est cruciale pour la sécurité, car elle garantit que le système ne faillira pas occasionnellement à détecter un problème simplement à cause d'une combinaison malchanceuse de bruit et de placement de capteurs.

L'étude conclut que pour les infrastructures critiques comme les tours en treillis, où le coût de l'omission d'un défaut structurel est élevé, la capacité à distinguer de manière constante des motifs de vibration similaires est plus précieuse que d'extraire chaque dernier bit de donnée brute. La nouvelle méthode offre un moyen de concevoir des réseaux de capteurs robustes contre la confusion, fournissant une image plus claire et plus fiable de la santé d'une structure. Bien que l'approche nécessite un compromis en termes de couverture spatiale, en concentrant les capteurs dans les sections inférieures de la tour, le gain en clarté et en cohérence du signal suggère une avancée significative pour la surveillance de l'état de santé des structures. Les chercheurs notent que les travaux futurs consisteront à tester ces idées sur des tours physiques et à affiner la méthode pour gérer des structures qui évoluent avec le temps, mais les résultats de la simulation offrent déjà un argument convaincant pour repenser la façon dont nous écoutons les structures les plus hautes du monde.