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

स्ट्रक्चरल हेल्थ मॉनिटरिंग (संरचनात्मक स्वास्थ्य निगरानी) दुनिया की सबसे बड़ी नागरिक संरचनाओं पर निरंतर नज़र रखने और उन्हें सुनने का एक अभ्यास है, जिसमें सस्पेंशन ब्रिज से लेकर बिजली और दूरसंचार संकेतों को ले जाने वाले ऊंचे जालीदार मस्तूल (लैटिस मास्ट) तक शामिल हैं। ये संरचनाएं लगातार कंपन करती रहती हैं, भले ही हवा शांत हो, और वे कंपन संरचना की आंतरिक स्थिति के बारे में एक गुप्त कोड रखते हैं। कोई इमारत कैसे डगमगाती है या एक टावर कैसे मुड़ता है, इसे मापकर इंजीनियर इसके प्राकृतिक आवृत्तियों (नेचुरल फ्रीक्वेंसीज) और उन विशिष्ट आकारों को पहचान सकते हैं जिन्हें यह हिलते समय अपनाता है, जिन्हें 'मोड शेप्स' (mode shapes) कहा जाता है। यदि संरचना का कोई हिस्सा कमजोर होता है या उसमें दरार आती है, तो ये कंपन पैटर्न बदल जाते हैं। इस कोड को पढ़ने के लिए, इंजीनियर संरचना पर सेंसर लगाते हैं, लेकिन उन्हें एक कठिन भौतिक बाधा का सामना करना पड़ता है: वे एक विशाल टावर के हर बिंदु पर सेंसर नहीं रख सकते। उन्हें कुछ सीमित स्थानों को चुनना होता जो सबसे उपयोगी जानकारी एकत्र कर सकें। यदि वे गलत चुनाव करते हैं, तो सेंसर एक ही कंपन पैटर्न को दो बार सुन सकते हैं, या इससे भी बुरा, वे दो बहुत समान आंदोलनों के बीच सूक्ष्म अंतर को पहचानने में विफल हो सकते हैं, जिससे यह बताना असंभव हो जाता है कि संरचना स्वस्थ है या खतरे में है।

द दशकों से, इन स्थानों को चुनने के लिए मानक तरीका सूचना की मात्रा को अधिकतम करना रहा है, एक ऐसी रणनीति जो सिद्धांत में तो अच्छी काम करती है लेकिन जटिल, सममित संरचनाओं पर अक्सर व्यावहारिक रूप से विफल हो जाती है। पारंपरिक दृष्टिकोण सेंसरों को उन क्षेत्रों में केंद्रित करने की प्रवृत्ति रखता है जहाँ कंपन सबसे मजबूत होता है, इस तथ्य को नजरअंदाज करते हुए कि कुछ कंपन पैटर्न सेंसरों के लिए लगभग एक जैसे ही दिखते हैं। जब दो अलग-अलग कंपन पैटर्न लगभग एक ही संकेत उत्पन्न करते हैं, तो सिस्टम भ्रमित हो जाता है, जिसे 'मोडल एलियासिंग' (modal aliasing) नामक समस्या कहा जाता है। हाल ही में, शंघाई में टोंगजी विश्वविद्यालय के शोधकर्ताओं ने एक 60 मीटर ऊंचे जालीदार टावर (लैटिस टावर) पर सेंसर लगाने का एक नया तरीका विकसित करके इस समस्या का समाधान किया। केवल अधिक जानकारी के पीछे भागने के बजाय, उनकी नई विधि सक्रिय रूप से उन सेंसरों को दंडित करती है जो एक-दूसरे के बहुत समान होते हैं। उन्होंने एक ऐसी प्रणाली बनाई जो डेटा की आवश्यकता और स्पष्ट संकेतों की आवश्यकता के बीच संतुलन बनाती है, यह सुनिश्चित करती है कि प्रत्येक सेंसर संरचना की गति के कोरस में एक अनूठी आवाज़ जोड़े।

शोधकर्ताओं ने अपने विचार का परीक्षण स्टील के जालीदार टावर के एक विस्तृत कंप्यूटर मॉडल पर किया, जो 60 मीटर ऊंचा एक विशाल, टेपर्ड एक्स-ब्रेस वाली सीढ़ी जैसा दिखने वाला ढांचा है। इस टावर में 44 नोड्स हैं जहाँ सेंसर संभावित रूप से रखे जा सकते हैं, और शोधकर्ताओं को आठ विशिष्ट कंपन मोड की निगरानी के लिए उनमें से केवल 12 को चुनने का कार्य दिया गया था। मानक विधि, जिसे 'इफेक्टिव इंडिपेंडेंस' (Effective Independence) के रूप में जाना जाता है, आमतौर पर इन सेंसरों को सबसे मजबूत आंदोलनों को पकड़ने के लिए फैला देती है, जिससे अक्सर टावर के ऊपरी हिस्से में सेंसर लग जाते हैं जहाँ डगमगाहट सबसे अधिक होती है। हालाँकि, इस पारंपरिक दृष्टिकोण के परिणामस्वरूप एक गंभीर दोष सामने आया: दो विशिष्ट कंपन मोड, जो बहुत समान आवृत्तियों पर होते हैं, एक दूसरे से अविभाज्य हो गए। सेंसर उनके सुनने के तरीकों में इतने क्लस्टर (समूहीकृत) थे कि सिस्टम इन दो मोडों के बीच अंतर नहीं कर सका, और उनके बीच सहसंबंध (कोरिलेशन) इतना उच्च था कि वह लगभग पूर्ण था।

नई विधि, जिसे लेखक 'एमएसी-पेनलाइज्ड फिशर इंफॉर्मेशन' (MAC-penalised Fisher Information) कहते हैं, खेल के नियम बदल देती है। यह उन सेंसरों को रखने के लिए एक दंड पेश करती है जो विभिन्न कंपन मोडों को एक जैसा दिखाते हैं। एक चरण-दर-चरण चयन प्रक्रिया चलाकर जो लगातार इस भ्रम की जाँच करती है, यह एल्गोरिदम सेंसरों को इस तरह फैलने के लिए मजबूर करता है कि वे मोडों को अलग रखें, भले ही इसके लिए कुछ कच्चे डेटा की मात्रा का त्याग करना पड़े। सिमुलेशन में, इस दृष्टिकोण ने दो समस्याग्रस्त मोडों के बीच के भ्रम को सफलतापूर्वक लगभग 24 प्रतिशत कम कर दिया। इसका ट्रेड-ऑफ (समझौता) यह था कि सेंसर टावर के निचले 40 प्रतिशत हिस्से में केंद्रित हो गए, जिससे ऊपरी आधा हिस्सा बिना निगरानी के रह गया। हालांकि यह एक ऐसी संरचना के लिए प्रतिगामी लग सकता है जो शीर्ष पर सबसे अधिक डगमगाती है, शोधकर्ताओं ने पाया कि निचले, अधिक जटिल कंपन मोडों के भ्रमित संकेतों को सुलझाने के लिए यह विशिष्ट व्यवस्था आवश्यक थी।

जब शोधकर्ताओं ने माप में रैंडम नॉइज़ (यादृच्छिक शोर) जोड़कर वास्तविक दुनिया की स्थितियों का अनुकरण किया, तो परिणामों ने विश्वसनीयता की एक सूक्ष्म तस्वीर पेश की। उच्च स्तर के शोर वाले वातावरण में, जैसे कि एक हवादार दिन में, नई विधि पारंपरिक विधि के समान ही प्रदर्शन करती है, और कुछ मामलों में, उससे थोड़ी बेहतर भी है। हालाँकि, बहुत शांत स्थितियों में जहाँ सिग्नल स्पष्ट होता है, पारंपरिक विधि ने थोड़ा अधिक सटीक औसत परिणाम दिया क्योंकि उसने अधिक कच्चा डेटा एकत्र किया था। नई विधि का असली लाभ परिणामों की निरंतरता में दिखाई दिया। जबकि पारंपरिक विधि कभी-कभी अपने सबसे खराब परिदृश्यों में बड़े, अनियमित त्रुटिपूर्ण परिणाम उत्पन्न करती थी, नई विधि स्थिर और विश्वसनीय बनी रही। त्रुटियों की सीमा बहुत कम थी, जिसका अर्थ है कि इंजीनियर सिस्टम के लगातार प्रदर्शन करने पर भरोसा कर सकते थे, भले ही स्थितियां आदर्श न हों। यह विश्वसनीयता सुरक्षा के लिए महत्वपूर्ण है, क्योंकि यह सुनिश्चित करती है कि सिस्टम शोर और सेंसर प्लेसमेंट के एक दुर्लभ, दुर्भाग्यपूर्ण संयोजन के कारण किसी समस्या का पता लगाने में विफल न हो जाए।

अध्ययन इस निष्कर्ष पर पहुँचता है कि महत्वपूर्ण बुनियादी ढांचे जैसे कि लैटिस टावर के लिए, जहाँ संरचनात्मक दोष को चूकने की लागत बहुत अधिक है, समान कंपन पैटर्न के बीच लगातार अंतर करने की क्षमता कच्चे डेटा के हर आखिरी बिट को निचोड़ने से कहीं अधिक मूल्यवान है। नई विधि संरचनात्मक स्वास्थ्य निगरानी के लिए एक स्पष्ट, अधिक विश्वसनीय तस्वीर प्रदान करते हुए, भ्रम के विरुद्ध मजबूत सेंसर नेटवर्क डिजाइन करने का एक तरीका प्रदान करती है। हालांकि इस दृष्टिकोण के लिए स्थानिक कवरेज (स्पेशियल कवरेज) के साथ समझौता करना आवश्यक है, जिसमें टावर के निचले हिस्सों में सेंसर को केंद्रित करना शामिल है, सिग्नल की स्पष्टता और निरंतरता में होने वाली वृद्धि यह सुझाव देती है कि यह संरचनात्मक स्वास्थ्य निगरानी में एक महत्वपूर्ण प्रगति है। शोधकर्ता नोट करते हैं कि भविष्य के कार्यों में इन विचारों का भौतिक टावरों पर परीक्षण करना और समय के साथ बदलने वाली संरचनाओं को संभालने के लिए विधि को परिष्कृत करना शामिल होगा, लेकिन सिमुलेशन के परिणाम पहले से ही दुनिया के सबसे ऊंचे ढांचों को सुनने के हमारे तरीके पर पुनर्विचार करने के लिए एक सम्मोहक तर्क पेश करते हैं।