Particle filter-based damage prognosis in engineering structure subjected to fatigue loading

Fatigue degradation is an inevitable phenomenon in engineering structures, where the damage can evolve with time or the number of load cycles, and, eventually, safety may no longer be guaranteed when the damage state reaches a limit. Regular inspections should be carried out for functionality evaluation but require high financial expenses and unwanted system shutdowns. One desirable scenario for ensuring structural integrity while keeping maintenance costs at a minimum is to schedule the maintenance just before the damage reaches a critical limit. To this end, an advanced damage prognosis technology is required to anticipate the future damage state through a proper damage evolution model. Provided with the uncertainties arising from many sources like complex fatigue degradation and environmental factors, a probabilistic damage evolution model has to be built to take care of those factors. Then, the damage state is quantified through a direct or indirect measurement system, and adopted for model updating through a proper state estimation technique. Finally, the future state and RUL are predicted by the updated model. Therefore, this thesis proceeds with the development of a robust prognostic method towards three paths, i.e., damage evolution modeling, damage quantification, and model updating algorithm. The thesis has three contributions to damage evolution modeling. First, a method for predicting the delamination shape growth is proposed and validated by the composite fatigue test with ultrasonic C-scan monitoring. Then, a dataset containing sufficiently enough delamination images is obtained from some numerical simulation of composite fatigue delamination growth, and then adopted for training the delamination shape evolution models. Finally, a method by fusing multiple physics-based and data-driven damage evolution models is proposed to enhance the prognostic performance, and then validated by an aluminum fatigue test with Lamb wave monitoring. As to damage quantification. Aiming to address the measurement uncertainties arising from various sources such as temperature variation, the author developed a bias-based prognostic model accounting for those uncertainties. Additionally, a dataset of some numerically simulated Lamb waves is used to build the damage quantification model, avoiding the need to collect experimental data for modeling. Finally, as the selection of a proper damage-sensitive statistical feature is crucial to the performance of the prognostic model, an online bias-based feature fusion and selection method is proposed to fuse multiple features and select the best one. All three contributions are tested by the same aluminum fatigue test with Lamb wave monitoring. Targeting high-dimensional model updating, a new particle filter method is proposed to simplify the identification of one high-dimensional system into that of multiple lower-dimensional systems, and consequently, to allow for more efficient state and parameter estimation. This is validated by a numerical simulation of a twenty-story Bouc-wen frame structure under seismic excitation. In conclusion, this thesis has provided the solutions to open problems in current prognostic practices from three paths, which may serve as a solid base for further extensions toward a more robust prognostic method.

Il degrado causato da fenomeni di fatica è inevitabile nelle strutture ingegneristiche, in cui il danno può evolvere nel tempo e con il numero di cicli di carico finché la sicurezza potrebbe non essere più garantita. Per evitare di raggiungere tale stato di danneggiamento, si dovrebbe ricorrere a ispezioni regolari per valutare la funzionalità strutturale, con conseguenti elevati costi finanziari e indesiderati arresti del sistema. In alternativa, uno scenario desiderabile per garantire l'integrità strutturale riducendo al minimo i costi di manutenzione consiste nel monitorare il danno e pianificare la manutenzione prima che esso raggiunga un limite critico. A tal fine, è necessaria una tecnologia avanzata di prognosi del danno per anticiparne lo stato futuro attraverso un adeguato modello di evoluzione. Considerate le numerose incertezze provenienti da diverse fonti, quali il complesso degrado da fatica e i fattori ambientali, è necessario costruire un modello probabilistico di evoluzione del danno che sia in grado di tenere in considerazione tali fattori. Lo stato di danneggiamento può quindi essere quantificato attraverso un sistema di misurazione diretta o indiretta e utilizzato per l'aggiornamento del modello mediante una tecnica adeguata di stima dello stato. Infine, lo stato futuro del danno e la vita residua del sistema possono essere previsti tramite il modello aggiornato. Pertanto, questa tesi presenta lo sviluppo di un metodo prognostico robusto che si sviluppa su tre percorsi, ovvero (i) modellazione dell'evoluzione del danno, (ii) quantificazione del danno e (iii) aggiornamento del modello. La tesi apporta tre contributi alla modellazione dell'evoluzione del danno. In primo luogo, viene proposto un metodo per prevedere la crescita della delaminazione in strutture in composito. Tale metodo viene validato tramite dati acquisiti durante test di fatica attraverso l’utilizzo del monitoraggio ultrasonico C-scan. Successivamente, simulazioni numeriche della crescita a fatica della delaminazione in strutture in composito vengono condotte per ottenere un dataset contenente un numero sufficiente di immagini di delaminazione. Tale dataset viene utilizzato per addestrare modelli di evoluzione della forma della delaminazione. Infine, viene proposto un metodo che fonde più modelli di evoluzione del danno basati sulla fisica e su osservazioni in modo da migliorare le prestazioni prognostiche. Questo metodo viene validato tramite test di fatica condotti su un struttura in alluminio, duranti i quali il monitoraggio viene condotto tramite Lamb waves. Per quanto riguarda la quantificazione del danno, l'autore ha sviluppato un modello prognostico bias-based per tenere conto di incertezze di misurazione derivanti da varie fonti, e.g., le variazioni di temperatura. Inoltre, viene utilizzato un dataset numerico di Lamb waves per costruire un modello per quantificazione del danno, evitando la necessità di raccogliere dati sperimentali. Infine, poiché la scelta di features statistiche sensibili al danno è cruciale per le prestazioni del modello prognostico, viene proposto un metodo online e biased-based per fondere più features e selezionare il miglior indicatore di danno. Tutti i contributi vengono validati tramite test di fatica condotti su un struttura in alluminio, duranti i quali il monitoraggio viene condotto tramite Lamb waves. Per quanto riguarda l'aggiornamento di modelli descritti da numerosi gradi di libertà, viene proposto un nuovo metodo particle filter per semplificare l'identificazione di un sistema ad alta dimensionalità in quella di più sistemi a dimensionalità inferiore e, di conseguenza, consentire una stima efficiente dello stato e dei parametri. Il metodo viene validato tramite simulazione numerica di una struttura nonlineare (modello di Bouc-Wen) a venti gradi di libertà sottoposta a eccitazione sismica. In conclusione, questa tesi ha fornito soluzioni a problemi aperti nelle pratiche prognostiche attuali attraverso tre percorsi, che possono servire come base solida per ulteriori estensioni verso un metodo prognostico più robusto.