Vibration based Structural Health Monitoring of the Giuseppe Meazza Stadium

Abstract

Der Begriff Structural Health Monitoring (SHM) beschreibt Methoden und Prozesse, die sich mit der kontinuierlichen Zustandsüberwachung von Strukturen befassen. Das Ziel ist es Schäden frühzeitig erkennen zu können. Die vorliegende Arbeit behandelt Aspekte der Entwicklung von schwingungsbasierten SHM-Strategien für das G.Meazza Stadion in Mailand. Im ersten Teil dieser Arbeit wird die Identifikation von Eigenfrequenzen der Zuschauertribünen diskutiert. Verschiebungen in den Eigenfrequenzen können als Indikatoren für Schäden in den Strukturen dienen. Zur Identifikation wird der Ansatz einer Betriebsmodalanalyse verfolgt, der es erlaubt modale Parameter ohne Kenntnis der Erregung zu schätzen. Gewöhnlich basieren solche Identifikationen auf Daten, die an mehreren über die Struktur verteilten Messpunkten erfasst werden. Im Fall des G. Meazza Stadium steht auf jeder der 24 Tribünen nur eine Sensorposition zur Verfügung, an der Schwingungen aufgenommen werden. Versuche der letzten Jahre aus diesen Daten Eigenfrequenzen zu identifizieren, zeigten relativ hohe Varianz in den Schätzungen. Ein wichtiger Beitrag der vorliegenden Arbeit ist ein Algorithmus zur robusten Identifikation von Eigenfrequenzen, der auf der Erfassung von Spitzen in den Spektra der Schwingungssignale basiert. Anhand identifizierter Eigenfrequenzen wurde der Einfluss der Umgebungstemperatur auf die Strukturantwort untersucht. Starke negative Korrelationen zwischen Frequenzwerten und Umgebungstemperaturen existieren. Frequenzverschiebungen wurden mittels Mahalnobis Distanz analysiert. Dabei wurden für manche Tribünen signifikante Frequenzverschiebungen festgestellt, die Veränderungen in den Strukturen nahelegen. Die Ursachen für die Frequenzverschiebungen sind derzeit unbekannt. Das Vorhandensein deterministischer Komponenten in den Schwingungssignalen, z.B. durch rotierende Maschinen in der Nähe der Struktur, kann die Frequenzidentifikation und Schadenserkennung beeinträchtigen. Der zweite Teil dieser Arbeit beschäftigt sich mit der Erfassung und Filterung solcher Komponenten, die in den Daten des Stadions auftreten. Dabei wird ein neuartiger Ansatz zur Filterung basierend auf der Singular Spectrum Analysis (SSA) vorgestellt. Anhand der statistischen Analyse von Singulärvektoren, die in der SSA-Zerlegung erhalten werden, konnten unerwünschte deterministische Komponenten identifiziert und entfernt werden.

The term structural health monitoring (SHM) describes methods and processes that deal with continuous and automated condition monitoring of structures. The aim is to detect damage at an early stage. This work attempts to contribute to the development of vibration based SHM strategies for the the G. Meazza stadium in Milan. The first part focuses on the identification and analysis of resonance frequencies of the stadium grandstands. The approach of an operating modal analysis (OMA) is pursued which allows to estimate modal parameters without knowledge of the excitation. Usually, such identifications are based on data collected at several measurement points distributed over the structure. In the case of the G. Meazza Stadium, only one sensor position is available on each of the 24 grandstands. Previous attempts to identify resonance frequencies from the vibration data showed high variances in the estimates. An important contribution of the work presented here is the development of a robust frequency identification algorithm based on picking peaks in the spectra of the vibration signals. The influence of ambient temperature on the structural repsonse was investigated by means of identified frequencies. It was found that strong negative correlations between temperature and frequency values exist. Applying the Mahalnobis squared distance (MSD) frequency shifts were analyzed. For some grandstands it was found that significant frequency shifts occured over the past years, which indicate structural changes. Currently causes for the shifts are unknown. The presence of deterministic components (spurious harmonics) in vibration signals can corrupt the frequency identification and damage detection process. The second part of this work deals with the identification and filtering of spurious harmonics present in the stadium vibration data. A novel filtering approach based on the Singular Spectrum Analysis (SSA) is presented. Statistical analysis of singular vectors obtained in the SSA-decomposition allowed to identify and remove these unwanted components.