Optimal sensor placement for structural health monitoring of communication towers

This thesis investigates optimal sensor placement for vibration-based Structural Health Monitoring (SHM) of communication towers through a detailed case study. The study focuses on the EI Towers communication tower located in Lissone, Italy, modeled in SAP2000 with a finite-element (FE) representation. Both modal analysis and Eurocode-compliant wind loading—including static, spectrum, and time-history analyses—were performed to generate response datasets for sensor siting and evaluation. Three complementary strategies—Effective Independence (EFI), Kinetic Energy (KE), and Proper Orthogonal Decomposition (POD)—were applied and further combined via superposition to identify robust candidate locations. Sixteen damage scenarios were introduced by selectively removing bracing members at different elevations of the tower. Since braces provide essential lateral stiffness and stability, their removal meaningfully simulates reduced stiffness and altered load paths. In addition, Modal Assurance Criterion (MAC) analyses were performed for both the healthy state and damaged scenarios to quantify modal correlation and assess the impact of damage. Results show that, under healthy and moderate-damage conditions, the most informative DOFs cluster in the upper and upper-middle regions, consistent with wind-driven modal bending. For severe damage, all methods peak at the damaged zone, confirming correct functional behavior. However, Kullback–Leibler (KL) divergence values remained small, reflecting limited global statistical shifts between the healthy and damaged response distributions; it was employed here to quantify these shifts and assess the sensitivity of the proposed methods to damage. To improve localization, a difference-based analysis was introduced: POD identified the top 20 DOFs with the largest changes in First Proper Orthogonal Mode between healthy and damaged states, consistently falling within one floor above or below the actual damage location. EFI differences provided coarser confirmation, while KE contributed broader spatial coverage. Synthesizing these findings, the recommended layout installs sensors on every other floor, mirrored on opposite faces to respect tower symmetry. This configuration ensures global coverage and the floor-level granularity required for damage localization. The proposed workflow—establishing a healthy baseline, detecting change, re-acquiring data, and re-applying POD—demonstrates a feasible and efficient SHM strategy. Limitations include reduced accuracy for very light damage, absence of explicit noise modeling, and constraints in applying the inverse finite element method (iFEM), a reconstruction technique based on limited sensor data. Future work will address multi-directional winds, experimental validation, robustness to sensor noise, iFEM-based informativeness checks, and vision-based monitoring.

Questa tesi indaga il posizionamento ottimale dei sensori per il monitoraggio strutturale basato sulle vibrazioni (SHM) delle torri di comunicazione attraverso un caso di studio approfondito. Lo studio si concentra sulla torre di comunicazione EI Towers situata a Lissone, in Italia, modellata in SAP2000 con una rappresentazione agli elementi finiti (FE). Sia l’analisi modale sia le azioni del vento conformi all’Eurocodice—incluse analisi statica, spettrale e nel dominio del tempo—sono state eseguite per generare insiemi di dati di risposta utili alla collocazione e valutazione dei sensori. Tre strategie complementari—Effective Independence (EFI), Kinetic Energy (KE) e Proper Orthogonal Decomposition (POD)—sono state applicate e ulteriormente combinate tramite sovrapposizione per identificare posizioni candidate robuste. Sedici scenari di danno sono stati introdotti rimuovendo selettivamente elementi di controventamento a diverse altezze della torre. Poiché i controventi forniscono rigidezza e stabilità laterale essenziali, la loro rimozione simula in modo significativo la riduzione di rigidezza e la modifica dei percorsi di carico. Inoltre, sono state eseguite analisi del Modal Assurance Criterion (MAC) sia per lo stato integro sia per gli scenari danneggiati al fine di quantificare la correlazione modale e valutare l’impatto del danno. I risultati mostrano che, in condizioni integre e di danno moderato, i gradi di libertà (DOFs) più informativi si concentrano nelle regioni superiori e medio-superiori, in linea con la flessione modale indotta dal vento. Per danni gravi, tutti i metodi evidenziano il picco nella zona danneggiata, confermando un comportamento funzionale corretto. Tuttavia, i valori di divergenza di Kullback–Leibler (KL) sono rimasti ridotti, riflettendo spostamenti statistici globali limitati tra le distribuzioni di risposta integre e danneggiate; è stata impiegata qui per quantificare tali variazioni e valutare la sensibilità dei metodi proposti al danno. Per migliorare la localizzazione, è stata introdotta un’analisi basata sulle differenze: il POD ha identificato i 20 DOFs principali con le variazioni maggiori nella prima modalità ortogonale propria tra stati integri e danneggiati, ricadenti costantemente entro un piano al di sopra o al di sotto della reale posizione del danno. Le differenze EFI hanno fornito una conferma più grossolana, mentre KE ha contribuito con una copertura spaziale più ampia. Sintetizzando questi risultati, il layout raccomandato prevede l’installazione dei sensori a piani alterni, specchiati su facce opposte per rispettare la simmetria della torre. Questa configurazione garantisce una copertura globale e la granularità a livello di piano necessaria per la localizzazione del danno. Il flusso di lavoro proposto—stabilire una condizione di riferimento integra, rilevare le variazioni, riacquisire i dati e riapplicare il POD—dimostra una strategia SHM fattibile ed efficiente. Le limitazioni includono una precisione ridotta per danni molto lievi, l’assenza di una modellazione esplicita del rumore e vincoli nell’applicazione dell’inverse finite element method (iFEM), una tecnica di ricostruzione basata su dati limitati provenienti dai sensori. Il lavoro futuro affronterà i casi di vento multidirezionale, la validazione sperimentale, la robustezza al rumore dei sensori, le verifiche di informatività basate su iFEM e il monitoraggio tramite visione.