Monitoraggio di ponti: approccio basato su rete bayesiana in supporto a ispezioni SHM

La ricerca di nuove tecnologie per il monitoraggio delle infrastrutture è essenziale per garantire la sicurezza e la longevità delle opere civili. Un ambito di grande interesse è l'integrazione di dati eterogenei provenienti da sensori, ispezioni visive e altri metodi di controllo in tempo reale. Questa integrazione consente una diagnosi più accurata delle condizioni strutturali e la possibilità di intervenire tempestivamente per prevenire danni. Un approccio promettente in questo campo è l'uso delle reti bayesiane, uno strumento matematico che permette di combinare e analizzare informazioni complesse provenienti da diverse fonti. Nel corso del Convegno Fabre 2024, Laura Ierimonti (Università di Perugia) ha presentato un approfondimento sul tema.

Cosa sono le reti bayesiane

Le reti bayesiane sono costituite da nodi e frecce, dove ogni nodo rappresenta una variabile (ad esempio, un parametro di monitoraggio) e le frecce indicano le relazioni di probabilità condizionata tra queste variabili. In pratica, queste reti possono essere utilizzate per aggiornare la probabilità di un evento (ad esempio, il danneggiamento di una struttura) alla luce di nuove evidenze. Attraverso questo sistema, è possibile trasmettere informazioni in avanti e indietro nella rete, aggiornando continuamente le probabilità associate ai diversi nodi.

Nel monitoraggio delle infrastrutture, due parametri fondamentali sono la deformazione e i parametri dinamici come frequenze e forme modali. La deformazione di un ponte, per esempio, può essere misurata con inclinometri posizionati lungo le travi, e questa misura può indicare una perdita di precompressione nei cavi del ponte stesso. Tracciando queste deformazioni nel tempo e confrontandole con i valori nominali, è possibile individuare eventuali anomalie.

Allo stesso modo, i parametri dinamici, una volta eliminati gli effetti ambientali, possono rivelare cambiamenti nella rigidezza strutturale o la presenza di fessurazioni. Il confronto dei dati dinamici con modelli teorici permette di identificare e quantificare i danni strutturali.

Applicazione delle reti bayesiane nel monitoraggio

Una volta che il sistema di monitoraggio rileva un'anomalia, le reti bayesiane consentono di aggiornare le probabilità dei vari scenari di danno. Questo aggiornamento avviene attraverso la Bayesian Model Class Selection, che confronta vari modelli computazionali per identificare quello più probabile dato il nuovo set di dati.

Ad esempio, in un ponte con cavi precompressi, è possibile costruire modelli che simuleranno diversi scenari di perdita di precompressione. Utilizzando i dati raccolti dai sensori, questi modelli vengono aggiornati per riflettere lo stato attuale della struttura. L'utilizzo del Bayesian Information Criterion (BIC) permette di confrontare l'accuratezza dei vari modelli, identificando quello che meglio rappresenta la realtà dei dati anomali osservati.

Integrazione delle ispezioni visive

Le reti bayesiane non si limitano a integrare dati quantitativi, ma possono anche incorporare informazioni qualitative derivanti da ispezioni visive. Le anomalie visibili, come crepe o deformazioni, possono essere inserite nella rete per migliorare ulteriormente la precisione della diagnosi. Questo approccio olistico garantisce che tutte le informazioni disponibili, sia dai sensori che dalle ispezioni visive, siano utilizzate per valutare lo stato della struttura.

L'utilizzo delle reti bayesiane rappresenta un passo avanti significativo nel campo del monitoraggio delle infrastrutture. La loro capacità di integrare dati di natura diversa e di aggiornare continuamente le probabilità associate agli scenari di danno rende questo strumento estremamente utile per prevenire guasti strutturali e garantire la sicurezza a lungo termine delle opere civili. La ricerca in questo campo continua a evolvere, con l'obiettivo di creare sistemi di monitoraggio sempre più efficienti e affidabili.