Novelty detection for vibration-based Structural Health Monitoring of civil structures : damage sensitive feature extraction by chaotic and statistical approaches
Détection de nouveauté pour le monitoring vibratoire des structures de génie civil : Approches chaotique et statistique de l'extraction d'indicateurs
Résumé
The aim of structural health monitoring of civil structure is the early detection of damage to prevent structure failure. But modelling the behaviour of such structure is a very challenging task due to it uniqueness and to the effect of environmental parameters on the dynamic. In this context, the novelty detection approach appears to be well adapted since it avoids the need of prior hypothesis on the nature of the dynamical behaviour, and integrates all variability factors. The work of this thesis has two principal aims. The first one is to quantify the ability of novelty detection to discriminate damage under strong environmental variations and impulse excitation. The second one is to introduce a new damage sensitive feature, referred as Jacobian Feature Vector (JFV). The JFV calculation is based on the reconstructed state space which exploits the progress achieved in the theory of non-linear dynamical systems, also known as chaos theory. The comparison between AR parameters, widely used for time series analysis, and the JFV is carried out on several case studies. One of them is a three storey wooden laboratory structure subjected to strong environmental variations and controlled excitation.\\ \indent Both the JFV and AR parameters are estimated on vibration measurements and normalized by the Mahalanobis distance concept. The experimental results show that damage detection is improved if the excitation contains a part of noise in comparison to a random sequence of pulses. Environmental variations generate an important variability of the feature vectors, making difficult the fitting of any statistical model needed for damage discrimination. Only the extremes damage levels are detected in the worst test configuration. The comparison between the feature vectors reveals a higher dispersion of the JFV components, leading to a lower sensitivity to damage, as well as to the effect of temperature. However, a parametric investigation shows that damage detection can be improved if the the selection process of the state-space reconstruction parameters is optimized. Given the limited performances of AR and JFV in the most difficult configurations, an other damage sensitive feature based on cross-correlation of sensor pairs is proposed. In a complex case study which combines environmental variations and impulse excitation, the performances of this feature vector are promising. A discussion about the more rigorous way to divide the undamaged data to apply novelty detection procedure is also proposed. Finally, since the last step of novelty detection is decision making based on statistical modelling of the normalized damage sensitive features, the robustness of several approaches for the setting of the classification threshold is investigated.
Le suivi vibratoire de l'état des ouvrages de génie civil vise à anticiper une défaillance structurale par la détection précoce d'endommagement. Dans ce contexte, la détection de nouveauté constitue une approche particulièrement adaptée à l'analyse des signaux compte tenu des difficultés à modéliser une structure unique et soumise à de nombreux facteurs extérieurs influant sur la dynamique vibratoire. Une telle approche présente un double intérêt consistant à éviter de formuler des hypothèses a priori sur le comportement dynamique et à intégrer tous les facteurs de variabilité. Ce travail de thèse poursuit ainsi deux objectifs. Le premier objectif consiste à observer dans quelle mesure la détection de nouveauté parvient à détecter un endommagement dans un contexte fortement perturbé par des variations environnementales d'une part, et par une excitation de nature impulsionnelle, d'autre part. Le deuxième objectif est de proposer et d'étudier un nouvel indicateur vectoriel, désigné par JFV (pour Jacobian Feature Vector). Le calcul du JFV s'appuie sur la reconstruction de la trajectoire du système dynamique observé dans son espace des phases. Cette approche exploite les développements scientifiques récents réalisés en théorie des systèmes dynamiques non linéaires, parfois qualifiée de théorie du chaos. Le JFV est comparé aux coefficients de modèles auto-régressifs (AR), couramment utilisés en analyse des séries temporelles. Pour réaliser ce travail de thèse, plusieurs cas d'études expérimentaux sont utilisés dont notamment une maquette de structure en bois sur laquelle l'excitation est contrôlée et des variations environnementales sévères sont imposées. \indent Les indicateurs AR et JFV sont extraits des signaux vibratoires relatifs aux différents cas d'études et normalisés par le biais du concept de distance de Mahalanobis. Les résultats expérimentaux montrent que, pour les deux indicateurs vectoriels, la détection de l'endommagement est favorisée par une sollicitation comportant une composante de bruit. Une excitation purement instationnaire, constituée de séquences aléatoires d'impulsions, dégrade de façon significative les performances de détection. Les variations environnementales génèrent une forte variabilité des indicateurs, rendant difficile l'ajustement d'un modèle statistique robuste dédié à la discrimination des dégradations. Seuls les niveaux d'endommagement extrêmes sont repérés dans la configuration d'essai la plus pénalisante. L'analyse comparée des coefficients AR et du JFV met en évidence une dispersion beaucoup plus grande des composantes de ce dernier, conduisant à une sensibilité plus faible. Une étude paramétrique montre cependant que la sensibilité du JFV peut être améliorée par une optimisation des méthodes de sélection des paramètres de reconstruction de l'espace des phases. Face aux performances limitées des indicateurs AR et JFV dans certains cas très défavorables, un autre indicateur est proposé, basé sur la corrélation croisée des informations portées par une paire de capteurs. Cet indicateur présente une performance intéressante sur un cas d'étude complexe combinant variations environnementales fortes et sollicitation purement instationnaire. Une discussion est également proposée sur la façon de répartir les mesures de référence dans les différentes bases de données nécessaires à l'application de la démarche de détection de nouveauté. Enfin, différentes approches de modélisation statistique des indicateurs normalisés sont mises en oeuvre dans le but de comparer leurs aptitudes respectives à la définition d'un seuil de classification robuste.
Loading...