Spiking Neural Networks per il monitoraggio strutturale basato su vibrazioni

Il monitoraggio strutturale (SHM) costituisce un’importante sfida per garantire la sicurezza e l’integrità delle strutture civili e industriali. In questo studio è stato presentato un nuovo approccio all’SHM basato su reti neurali spiking (SNN), valutando in particolare la capacità di questi nuovi approcci neurali di rilevare anomalie in un caso d’uso di riferimento, ovvero il ponte Z24 in Svizzera. Attraverso una serie di esperimenti, è stato dimostrato che l'analisi delle risposte vibrazionali con SNN è in grado di individuare in modo preciso e affidabile le variazioni nel comportamento della struttura. In secondo luogo, è stata dimostrata l’efficienza delle Superlet per ottenere rappresentazioni tempo-frequenza ad alta risoluzione rispetto a metodi più tradizionali come le trasformate Wavelet e spettrogrammi. Inoltre, abbiamo dimostrato che l’impiego di SNN risulta vincente rispetto a un più tradizionale approccio incentrato sull’uso di reti neurali convoluzionali (CNN), migliorando significativamente le prestazioni in termini di accuratezza (un aumento massimo del 15%). In sintesi, il nostro studio ha dimostrato che l'approccio SNN può rappresentare una soluzione promettente per il monitoraggio della salute strutturale e il rilevamento precoce di anomalie relative a variazioni nella firma spettrale della struttura target, offrendo nuove opportunità per migliorare la sicurezza e l'affidabilità delle infrastrutture civili e industriali.