Identificazione di danneggiamenti in strutture reticolari mediante dati dinamici e algoritmi di intelligenza artificiale

Il presente elaborato ha lo scopo di determinare un metodo per l’identificazione di danneggiamenti in strutture reticolari attraverso l’utilizzo di dati dinamici e algoritmi di intelligenza artificiale. Il Structural Health Monitoring si riferisce al controllo continuo delle condizioni di una struttura attraverso l’individuazione di tecniche e metodologie che consentono di individuare eventuali anomalie. Negli ultimi anni, l’uso di algoritmi di Deep Learning, attraverso l’analisi di grandi quantità di dati e informazioni, ha rivoluzionato il monitoraggio della salute strutturale, risolvendo problemi complessi. In questo contesto, si propone una metodologia di apprendimento supervisionato basata sull’implementazione di una rete neurale artificiale. Tale rete, addestrandosi su ampi dataset precedentemente generati contenenti informazioni sulla condizione di danneggiamento della struttura, ha lo scopo di identificare e classificare lo stato di salute dell’opera, fornendo una predizione sulla sua condizione strutturale. I dataset sono stati ottenuti tramite lo studio analitico di un modello strutturale, in cui la frequenza naturale viene utilizzata come parametro dinamico per discriminare la condizione strutturale di danneggiamento. Inoltre, al fine di valutare l’efficacia e la robustezza della metodologia proposta, sono state considerate diverse casistiche che comportano la variazione di alcune variabili al problema, come il numero di frequenze considerate per l’identificazione del danno, la presenza di rumore nelle rilevazioni, l’aggiunta di dati di deformazione ai dataset generati e la diversa geometria del modello strutturale utilizzato. La metodologia utilizzata è stata valutata su tre casi studio differenti:un modello di struttura reticolare piana, un modello di struttura reticolare piana-simmetrica e un modello di struttura reticolare piana con la geometria di una torre di trasmissione di energia elettrica ad alta tensione.