Development and customization of a portable data acquisition system for structural health monitoring

In the field of Structural Health Monitoring (SHM), the development of compact, lightweight, low-cost and efficient data acquisition systems is a fundamental challenge to overcome the limitations of traditional monitoring systems, which are bulky, expensive, and logistically inefficient. This study focuses on the design of a portable, lightweight, and low-cost data acquisition system based on the Arduino Portenta H7, capable of achieving significant performance applicable to SHM. The system was developed both at the hardware level, by implementing piezoelectric sensors and an adapted schematic, and at the software level, by using advanced analog acquisition strategies and memory management techniques. Through an experimental campaign, the system demonstrated its ability to achieve very high sampling frequencies (up to 400 kHz with two sensors) and to accurately determine the position of an impact on a PLA plate, with an average localization error of only 1.65 mm and an average absolute error normalized to the distance between the two sensors of 1.4 %. The results demonstrate the potential of this system for SHM applications, providing a compact, low-cost and energy-efficient alternative to traditional monitoring systems. Future plans include integrating machine learning and deep learning algorithms to improve real-time data analysis directly on the Arduino and expanding the system for active monitoring by increasing the number of sensors in the network.

Nel campo dello Structural Health Monitoring (SHM), lo sviluppo di sistemi di acquisizione dati compatti, leggeri, economici ed efficienti rappresenta una sfida fondamentale per ovviare ai limiti dei sistemi tradizionali di monitoraggio, tipicamente ingombranti, costosi e logisticamente inefficienti. Questo studio si concentra sulla progettazione di un sistema di acquisizione dati portatile, leggero ed economico basato su Arduino Portenta H7, in grado di raggiungere prestazioni significative e applicabili nel campo dell'SHM. Il sistema è stato sviluppato sia a livello hardware, implementando sensori piezoelettrici e una schematizzazione circuitale adattata, sia a livello software, sfruttando strategie avanzate di acquisizione analogica e gestione della memoria. Attraverso una campagna sperimentale, il sistema ha dimostrato di poter raggiungere frequenze di campionamento molto elevate (fino a 400 kHz con due sensori) e di riuscire a determinare con precisione la posizione di un impatto su una piastra di PLA, con un errore medio di localizzazione di soli 1,65 mm e un errore assoluto medio normalizzato rispetto alla distanza tra i due sensori dell'1,4 %. I risultati ottenuti evidenziano il potenziale del sistema per applicazioni SHM, offrendo un'alternativa compatta, economica ed energeticamente efficiente ai tradizionali sistemi di monitoraggio. In futuro, è prevista l'integrazione di algoritmi di machine learning e di deep learning per migliorare l'analisi dei dati in tempo reale direttamente sull'Arduino e l'espansione del sistema per un monitoraggio attivo, aumentando il numero di sensori della rete.