Finite element model updating of a rotor system using global metaheuristics and Bayesian surrogate optimization

Finite element model updating (FEMU) is a widely used technique to reduce discrepancies between finite element (FE) models and experimental measurements by updating uncertain model parameters. In this thesis, equivalent rotor–support dynamic coefficients are identified from the steady-state synchronous (1×) vibration response measured during controlled run-up tests. First, an order tracking signal processing procedure is developed to extract reliable synchronous (1×) vibration amplitude and phase curves from run-up data acquired on a laboratory rotor test rig. A finite element rotordynamic model is developed to predict the steady-state unbalance response in the frequency domain. Parameter identification is formulated as an optimization problem and solved using derivative-free strategies. Genetic Algorithm (GA), Particle Swarm Optimization (PSO) and Bayesian surrogate optimization (BSO) are compared in terms of final mismatch reduction and computational cost. To improve physical consistency while increasing model flexibility, a multi-stage updating strategy is proposed, progressing from constant to speed-dependent support models using a polynomial parametrization. The methodology is first validated on the laboratory rotor and subsequently extended to an industrial centrifugal compressor rotor, demonstrating applicability to realistic systems with higher modelling complexity and computational cost.

Il finite element model updating (FEMU) è una tecnica ampiamente utilizzata per ridurre le discrepanze tra modelli agli elementi finiti e misure sperimentali mediante l’aggiornamento dei parametri incerti del modello. In questa tesi vengono identificati coefficienti dinamici equivalenti del sistema rotore–supporto a partire dalla risposta sincrona in regime stazionario (1×), misurata durante prove di run-up controllato. In primo luogo, viene sviluppata una procedura di elaborazione del segnale che consente di estrarre, dai dati di run-up acquisiti su un banco prova rotordinamico di laboratorio, curve affidabili di ampiezza e fase della risposta vibratoria sincrona (1×). Successivamente, viene sviluppato un modello rotodinamico agli elementi finiti in grado di prevedere, nel dominio della frequenza, la risposta allo sbilanciamento in regime stazionario. L’identificazione dei parametri è formulata come un problema di ottimizzazione e affrontata con strategie derivative-free. Genetic Algorithm (GA), Particle Swarm Optimization (PSO) e Bayesian surrogate optimization (BSO) sono confrontati in termini di riduzione dell’errore finale e costo computazionale. Per migliorare la coerenza fisica incrementando al contempo la capacità descrittiva del modello, viene proposta una strategia di aggiornamento multi-stadio che evolve da modelli a coefficienti costanti a modelli dipendenti dalla velocità, mediante una parametrizzazione polinomiale. La metodologia viene prima validata su un rotore di laboratorio e successivamente estesa a un rotore industriale, dimostrandone l’applicabilità a sistemi realistici caratterizzati da maggiore complessità e da simulazioni ad elevato costo computazionale.