Analisi di sensibilità globale e propagazione dell'incertezza di modelli autoregressivi impiegati nell'ambito del monitoraggio strutturale

In latest years, data-based approach have become increasingly common in the field of Structural Health Monitoring (SHM), due to their relative ease of implementation. Indeed, unlike the model-based approach, they do not require any finite element models of the structure taken into consideration. Related to data-based approach, the autoregressive models are the most used. The main purpose of this thesis is to achieve a numerical investigation for the autoregressive models and the related feature, the Mahalanobis distance. It is possible to analyse the propagation of uncertainty, through the Monte Carlo method, using numerical simulation. Moreover, the Global Sensitivity Analysis (GSA), lead the examination of the autoregressive models sensitivity to several types of damage, which may affect the system. The simulations also allow to analyse the effect of the measurement noise and the influence of the autoregressive model order, on the effectiveness of damage detection, for this kind of algorithms. According to the results, obtained through the numerical analysis, in this graduation thesis, an innovative methodology for the application of the Mahalanobis distance is developed, in the field of SHM, using autoregressive models. The effectiveness of this strategy is tested experimentally on a bench test, designed specifically for this purpose.

Negli ultimi anni, l’approccio data-based è diventato sempre più diffuso nell'ambito del monitoraggio strutturale (SHM), grazie alla sua relativa facilità di implementazione. Infatti, a differenza dell’approccio model-based, non necessita di alcun modello ad elementi finiti della struttura in esame. Nell'ambito dell’approccio data-based i modelli autoregressivi sono tra i più utilizzati. In questo lavoro di tesi è proposta un’indagine numerica dei modelli autoregressivi e della relativa feature, la distanza di Mahalanobis. Lo studio si focalizza sulla propagazione dell’incertezza, attraverso il metodo di Monte Carlo, e sull'analisi alla sensibilità, mediante l’Analisi alla Sensibilità Globale (GSA), considerando diverse tipologie di danneggiamento. L’insieme delle simulazioni numeriche condotte permette, inoltre, di analizzare l’effetto del rumore di misura e l’influenza dell’ordine del modello autoregressivo, sull'efficacia di identificazione del danno. Grazie ai risultati ottenuti attraverso l’analisi numerica di questi modelli, viene sviluppata, all'interno del lavoro di tesi, una innovativa metodologia di applicazione della distanza di Mahalanobis per applicazioni di monitoraggio strutturale, mediante modelli autoregressivi. L'efficacia di questa nuova strategia viene testata sperimentalmente, sfruttando un banco di prova realizzato ad hoc per lo scopo.