Design and Application of a Statistical Learning Methodology to Remove Temperature Effect on Static Signals for Bridge Structural Health Monitoring

Autori:

Abstract:

Le infrastrutture sono essenziali per lo sviluppo di ogni Paese. In questo contesto, i ponti svolgono un ruolo insostituibile per il collegamento di merci e persone. Attualmente, la loro integrità strutturale è minacciata dall'invecchiamento e dall'aumento dei carichi di traffico. L'entità del problema richiede l'applicazione di tecniche per la prioritarizzazione delle risorse e l'efficacia degli interventi. In questo scenario, lo Structural Health Monitoring (SHM) è emerso come uno strumento quantitativo promettente per garantire la resilienza delle reti infrastrutturali e ottimizzare la manutenzione. In particolare, il rilevamento dei danni (damage detection) è fondamentale per prevenire cedimenti catastrofici e minimizzare i costi di manutenzione. Tuttavia, l'influenza di fattori esogeni sui segnali dei sensori complica spesso l'identificazione del danno, poiché questi possono mascherare l'insorgere di anomalie strutturali, specialmente nelle fasi iniziali. Tra queste variabili esterne, la temperatura disturba significativamente i segnali, influendo sia su scala stagionale che giornaliera. Quest'ultimo aspetto è ulteriormente aggravato dall'inerzia termica dei ponti, che rende il comportamento strutturale altamente non lineare rispetto alla temperatura e alla radiazione solare. Questo studio propone un approccio innovativo per migliorare la capacità di identificazione dei sistemi di monitoraggio, rimuovendo l'effetto termico dalle misure statiche grazie a un algoritmo di apprendimento statistico. Nello specifico, sono stati analizzati per un anno i segnali provenienti da inclinometri e trasduttori di spostamento. Il metodo opera secondo un processo a due fasi: inizialmente viene rimossa la dipendenza stagionale; successivamente, l'influenza giornaliera di temperatura e radiazione solare viene gestita tramite un algoritmo di machine learning capace di stimare il ritardo della risposta strutturale causato dall'inerzia termica. La metodologia è stata testata su due ponti ferroviari: uno in acciaio a travata Warren e uno in cemento armato a campate appoggiate. In entrambi i casi studio, la variabilità dei segnali associata alla temperatura si è ridotta sostanzialmente: i coefficienti di correlazione sono scesi quasi a zero e la deviazione standard dei segnali è diminuita in media dell'80%. L'efficacia su tipologie strutturali così diverse dimostra la versatilità del metodo, rendendolo idoneo per un'applicazione dello SHM su larga scala.