Monitoraggio dinamico automatico a lungo termine delle strutture storiche = Automatic long-term dynamic monitoring of historical structures

Oggi l'Italia è dotata di un vasto patrimonio culturale, storico ed artistico di immenso valore che necessita di essere monitorato e salvaguardato. In questo lavoro si è quindi cercato di sviluppare un programma, in ambiente MATLAB, capace di monitorare in maniera autonoma una qualsiasi struttura esistente dotata di un sistema di sensori di monitoraggio in grado di acquisire dati in continuo e per tempi prolungati. In particolare, lo scopo sarà quello di controllare il comportamento dinamico della struttura e segnalarne un’eventuale variazione dalla condizione iniziale. I sensori utilizzati però presentano delle frequenze di campionamento maggiori rispetto alle frequenze proprie di vibrazione delle strutture monitorate, il che rende obbligatoria una pre-elaborazione dei segnali registrati consistente in un decampionamento e filtraggio degli stessi. Come modello strutturale, in questa tesi si è scelto di svilupparne uno di tipo data-driven, avendo a disposizione numerosi segnali registrati. In base alle informazioni strutturali ed ambientali disponibili, la tipologia di modello più appropriata in questo caso è quella di un auto-regressivo caratterizzato da un ordine p e una grandezza N, adeguatamente dimensionati in modo da minimizzare l’errore di modellazione e massimizzare la qualità dell’approssimazione. In seguito alla definizione del modello strutturale, per la quale sono stati sfruttati i primi due mesi di segnali, si è dunque proceduto con l’identificazione dinamica, per mezzo del metodo ERA. I risultati ottenuti con questo procedimento non sempre rappresentano effettivamente dei modi strutturali, pertanto una loro pulizia e classificazione si è resa necessaria. La classificazione dei modi identificati è stata eseguita mediante l’utilizzo di un classificatore KNN, adeguatamente addestrato su un periodo di allenamento pari a circa due mesi di dati. Al termine della fase di classificazione il risultato ottenuto consiste in una matrice contenente le principali grandezze dinamiche: frequenza di vibrazione, rapporto di smorzamento e coordinate delle deformate modali. Su di esse sarà svolta la fase di monitoraggio, con particolare attenzione all’andamento nel tempo delle frequenze e degli smorzamenti. L’algoritmo di monitoraggio utilizzato nella prima fase ricerca, mediante un’analisi di tipo statistico, eventuali trend o salti delle grandezze controllate, testimonianze di variazione delle condizioni strutturali, e le segnala all’utente. Successivamente si è sviluppato un secondo algoritmo di monitoraggio in grado di prendere in considerazione la correlazione tra la temperatura e le grandezze dinamiche considerate e segnalare, anche in questo caso sulla base di un’analisi statistica, eventuali situazioni non previste dalle condizioni di addestramento, corrispondenti questa volta non ad un paio di mesi bensì ad un intero anno di dati. Per testare la validità, la robustezza, l’autonomia e l’applicabilità del programma infine si è deciso di analizzare dei reali casi di studio, in particolare la Ghirlandina di Modena e l’annesso Duomo di Modena. Benchè il programma sia completamente autonomo nelle fasi appena descritte, sarà comunque sempre richiesto il giudizio ingegneristico dei risultati ottenuti per valutare l’effettiva presenza di un danno, la sua gravità e gli eventuali interventi necessari.