Minimum Diagnosable Damage and Optimal Sensor Placement for Structural Health Monitoring - Inria - Institut national de recherche en sciences et technologies du numérique Accéder directement au contenu
Thèse Année : 2020

Minimum Diagnosable Damage and Optimal Sensor Placement for Structural Health Monitoring

Diagnosticabilité d’endommagements et placement optimal de capteurs pour la surveillance de l’intégrité des structures

Résumé

Structural health monitoring (SHM) can extend the operation of bridges beyond their original life span, increase the safety between scheduled inspections, and allow for a prioritized inspection after extreme events. One of the major challenges is to assess which damages can or cannot be diagnosed (i.e., detected or localized), which is essential to evaluate the value of a SHM system before it is installed, and to optimize the sensor placement accordingly. This work develops a framework to predict the minimum detectable damage, i.e., the minimum change in local structural design parameters that can reliably be detected based on changes in global damage-sensitive features. The diagnosis is considered "reliable" if the probability of false alarms is low and the probability of detection is high. Equivalently, a damage is "detectable" if it is significant under consideration of typical uncertainties related to ambient excitation and measurement noise and empirical safety thresholds. The approach requires vibration data from the undamaged structure in combination with a numerical model, and is universally applicable to a wide range of structures and damage-sensitive features. Secondly, a method is proposed to analyze the minimum localizable damage. The results show that optimal localizability is a compromise between high localization resolution, high detectability, and few false localization alarms. Thirdly, a sensor placement strategy is devised that takes as input the desired minimum diagnosable damage and optimizes the sensor layout and the number of sensors accordingly. The method allows one to focus the global damage diagnosis on local structural components. Ultimately, the monitoring of prestressing forces and support displacements is incorporated into the diagnostic framework, so that they can be analyzed and distinguished from changes in material properties or cross-sectional values. Besides the performance evaluation, the framework is suitable for quality control of existing instrumentation on real structures. Therefore, self-validation strategies are implemented to verify the input parameters, to validate the theoretical assumptions, and to check its effectiveness based on non-invasive tests using extra masses. The proof of concept studies based on a laboratory steel beam and a cable-stayed bridge show promising results regarding the practical application of the theoretical contributions.
La surveillance de l’intégrité des structures (structural health monitoring, SHM) peut prolonger l'utilisation des ponts au-delà de leur durée de vie initialement prévue, accroître la sécurité entre les inspections programmées et permettre une inspection prioritaire après des événements extrêmes. L'un des principaux défis consiste à déterminer quels endommagements peuvent ou non être diagnostiqués (c'est-à-dire détectés ou localisés), ce qui est essentiel pour évaluer la valeur d'un système de SHM avant son installation et également en conséquence pour optimiser le placement des capteurs. Cette thèse développe un cadre pour prédire les endommagements détectables, c'est-à-dire le changement minimum dans des paramètres structurels locaux qui peut être détecté de manière fiable sur la base des caractéristiques calculées à partir des données vibratoires. Le diagnostic est considéré comme "fiable" si la probabilité de fausses alertes est faible et la probabilité de détection élevée. De même, un endommagement est "détectable" si le changement dans les caractéristiques est important compte tenu des incertitudes typiques liées à l'excitation ambiante, le bruit de mesure et les seuils de sécurité empiriques. L'approche requiert des données vibratoires de la structure intacte et un modèle numérique, et est universellement applicable à un large éventail de structures et de caractéristiques. Par la suite, une méthode est proposée pour analyser les endommagements localisables. Les résultats montrent que la localisation optimale est un compromis entre une haute résolution de localisation, une grande détectabilité et peu de fausses alarmes de localisation. Avec ces résultats, une stratégie de placement de capteurs est élaborée en tenant compte de la diagnosticabilité d’endommagements souhaitée et optimise le placement et le nombre de capteurs en conséquence. La méthode permet d’axer le diagnostic global d’endommagements sur les composantes structurelles locales. Enfin, le suivi des forces de précontrainte et des déplacements d’appui est intégré dans les méthodes de diagnostic, afin que cela puisse être analysé et distingué des changements de propriétés des composantes structurelles. Outre l'évaluation des performances, les méthodes développées conviennent au contrôle de la qualité de l’instrumentation existante sur des structures réelles. Par conséquent, des stratégies d'auto-validation sont mises en œuvre pour vérifier les paramètres d'entrée, valider les hypothèses théoriques et vérifier l’efficacité sur des tests non invasifs utilisant des masses supplémentaires. Les études de preuve de concept basées sur une poutre en laboratoire et un pont à haubans montrent des résultats prometteurs en ce qui concerne l'application pratique des contributions théoriques.
Fichier principal
Vignette du fichier
phd_mendler.pdf (23.01 Mo) Télécharger le fichier

Dates et versions

tel-03139510 , version 1 (22-02-2021)

Identifiants

  • HAL Id : tel-03139510 , version 1

Citer

Alexander Mendler. Minimum Diagnosable Damage and Optimal Sensor Placement for Structural Health Monitoring. Dynamique, vibrations. University of British Columbia (Vancouver, Canada), 2020. English. ⟨NNT : ⟩. ⟨tel-03139510⟩
231 Consultations
156 Téléchargements

Partager

Gmail Facebook X LinkedIn More