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

Structurele gezondheidsmonitoring is de praktijk van het constant een luisterend oor houden bij de grootste civiele constructies ter wereld, van hangbruggen tot de torenhoge vakwerkmasten die elektriciteitslijnen en telecommunicatiesignalen dragen. Deze structuren trillen voortdurend, zelfs als de wind gaat liggen, en die trillingen bevatten een geheime code over de interne conditie van de structuur. Door te meten hoe een gebouw zwiept of een toren draait, kunnen ingenieurs de natuurlijke frequenties en de specifieke vormen identificeren die het aanneemt wanneer het beweegt, ook wel modale vormen genoemd. Als een deel van de structuur verzwakt of scheurt, veranderen deze trillingspatronen. Om deze code te lezen, bevestigen ingenieurs sensoren aan de structuur, maar zij worden geconfronteerd met een moeilijke fysieke beperking: ze kunnen niet een sensor op elk enkel punt van een enorme toren plaatsen. Ze moeten een beperkt aantal locaties kiezen die de meest nuttige informatie vastleggen. Als ze een slechte keuze maken, kunnen de sensoren er zelfs voor zorgen dat ze hetzelfde trillingspatroon twee keer horen, of erger nog, ze kunnen de subtiele verschillen tussen twee zeer vergelijkbare bewegingen missen, waardoor het onmogelijk wordt om vast te stellen of de structuur gezond is of in gevaar verkeert.

Decennialang was de standaardmethode voor het kiezen van deze locaties het maximaliseren van de hoeveelheid verzamelde informatie, een strategie die in theorie goed werkt, maar in de praktijk vaak faalt bij complexe, symmetrische structuren. Deze traditionele aanpak heeft de neiging om sensoren te clusteren in gebieden waar de sterkste trillingen optreden, waarbij voorbij wordt gegaan aan het feit dat sommige trillingspatronen bijna identiek lijken voor de sensoren. Wanneer twee verschillende trillingspatronen bijna hetzelfde signaal produceren, raakt het systeem in de war, een probleem dat bekend staat als modale aliasing. In een recente studie hebben onderzoekers van de Tongji Universiteit in Shanghai dit probleem aangepakt door een nieuwe manier te ontwikkelen om sensoren op een 60 meter hoge vakwerktoren te plaatsen. In plaats van alleen maar op zoek te gaan naar de meeste informatie, straft deze nieuwe methode de sensoren actief af als ze te veel op elkaar lijken. Ze creëerden een systeem dat een balans vindt tussen de behoefte aan data en de behoefte aan onderscheidende, heldere signalen, waardoor elke sensor een unieke stem toevoegt aan het koor van de beweging van de structuur.

De onderzoekers testten hun idee op een gedetailleerd computermodel van een stalen vakwerktoren, een structuur die lijkt op een gigantische, taps toelopende X-vormige ladder van 60 meter hoog. Deze toren heeft 44 knooppunten waar sensoren potentieel geplaatst kunnen worden, en de onderzoekers kregen de taak om slechts 12 daarvan te selecteren om acht specifieke trillingsmodi te monitoren. De standaardmethode, bekend als Effective Independence, zou deze sensoren doorgaans verspreiden om de sterkste bewegingen op te vangen, waarbij ze vaak hoog op de toren worden geplaatst waar de zwaai het meest dramatisch is. Echter, deze traditionele aanpak resulteerde in een kritiek gebrek: twee specifieke trillingsmodi, die voorkomen bij zeer vergelijkbare frequenties, werden ononderscheidbaar. De sensoren waren zo geclusterd in hun luistergewoonten dat het systeem deze twee modi niet van elkaar kon onderscheiden, met een correlatie die zo hoog was dat deze bijna perfect was.

De nieuwe methode, die de auteur MAC-penalised Fisher Information noemt, verandert de spelregels. Het introduceert een straf voor het plaatsen van sensoren op een manier die verschillende trillingsmodi op elkaar laat lijken. Door een stapsgewijs selectieproces uit te voeren dat constant controleert op deze verwarring, dwingt het algoritme de sensoren om zich zo te verspreiden dat de modi gescheiden blijven, zelfs als dat betekent dat er wat ruwe hoeveelheid data wordt opgeofferd. In de simulatie slaagde deze aanpak erin om de verwarring tussen de twee problematische modi met ongeveer 24 procent te verminderen. Het offer was dat de sensoren geclusterd eindigden in de onderste 40 procent van de toren, waardoor de bovenste helft onbewaakt bleef. Hoewel dit tegenintuïtief kan lijken voor een structuur die het meest zwaait aan de top, kwamen de onderzoekers tot de conclusie dat deze specifieke arrangement noodzakelijk was om de verwarrende signalen van de lagere, complexere trillingsmodi te ontwarren.

Toen de onderzoekers realistische omstandigheden simuleerden door willekeurige ruis toe te voegen aan de metingen, onthulden de resultaten een genuanceerd beeld van betrouwbaarheid. In omgevingen met hoge niveaus van ruis, zoals een winderige dag, presteerde de nieuwe methode net zo goed als de traditionele methode, en in sommige gevallen zelfs iets beter. Echter, in zeer stille omstandigheden waar het signaal helder is, produceerde de traditionele methode een iets nauwkeuriger gemiddeld resultaat omdat deze meer ruwe informatie had verzameld. Het ware voordeel van de nieuwe methode kwam tot uiting in de consistentie van de resultaten. Terwijl de traditionele methode incidenteel grote, grillige fouten produceerde in haar slechtste scenario's, bleef de nieuwe methode stabiel en betrouwbaar. De foutmarge was veel smaller, wat betekent dat ingenieurs erop kunnen vertrouwen dat het systeem consistent presteert, zelfs wanneer de omstandigheden niet perfect zijn. Deze betrouwbaarheid is cruciaal voor de veiligheid, aangezien het ervoor zorgt dat het systeem niet incidenteel een probleem niet detecteert, simpelweg door een zeldzame, ongelukkige combinatie van ruis en sensorplaatsing.

De studie concludeert dat voor kritieke infrastructuur zoals vakwerktorens, waarbij de kosten van het missen van een structureel defect hoog zijn, het vermogen om vergelijkbare trillingspatronen consistent te onderscheiden waardevoller is dan het uitwringen van de laatste restjes ruwe data. De nieuwe methode biedt een manier om sensornetwerken te ontwerpen die robuust zijn tegen verwarring, wat een duidelijker en betrouwbaarder beeld geeft van de gezondheid van een structuur. Hoewel de aanpak een compromis vereist in ruimtelijke dekking, waarbij de sensoren geconcentreerd zijn in de lagere secties van de toren, suggereert de winst in signaalhelderheid en consistentie een belangrijke stap voorwaarts voor de structurele gezondheidsmonitoring. De onderzoekers merken op dat toekomstig werk zal bestaan uit het testen van deze ideeën op fysieke torens en het verfijnen van de methode om met structuren om te gaan die in de loop van de tijd veranderen, maar de simulatieresultaten bieden nu al een overtuigend argument om de manier waarop we naar de wereld's hoogste structuren luisteren, te heroverwegen.