Structural health monitoring of one dimensional slender structures using the finite element method and deep learning

The work aims to develop a methodology for monitoring the structural health of one-dimensional slender structures using sparse sensor measurements. Two distinct problems are addressed: the static and dynamic response of an Euler-Bernoulli beam. A linear regression model is trained for the static problem while a Recurrent Neural Network with Long Short Term Memory units is used for the dynamic one. The generation of the training dataset is obtained by means of a finite element code implemented ad-hoc in Python while the training itself is performed using Tensorflow / Keras and scikit-learn. Some results are presented to validate the proposed method and to evaluate the predictive capabilities as the type of data available varies (e.g. different positioning of the sensors).

Il lavoro ha come obiettivo una metodologia per il monitoraggio della salute strutturale di strutture snelle unidimensionali utilizzando dati raccolti mediante misurazioni di sensori sparsi. Vengono affrontati due problemi distinti: la risposta statica e quella dinamica di una trave di Eulero-Bernoulli. Un modello di regressione lineare viene addestrato per il problema statico mentre per il problema dinamico viene utilizzata una rete neurale ricorrente con unità Long Short Term Memory. La generazione dei dataset di prova è ottenuta mediante un codice ad elementi finiti implementato ad-hoc in Python mentre l'addestramento stesso viene eseguito utilizzando Tensorflow / Keras e scikit-learn. Vengono presentati alcuni risultati per convalidare il metodo proposto e per valutare le capacità predittive al variare della tipologia di dati disponibili (p.e. diverso posizionamento dei sensori).