27189

كاربرد روش حسگري فشرده در پردازش سيگنال‌هاي ارتعاشاتي: پايش سلامت سازه‌اي و كنترل سازه‌ها

دكتري

مهندسي عمران - سازه

1401/06/21

فريدون اميني

عمران

ابزاربندي زيرساخت‌هاي عمراني به منظور ارزيابي شرايط آن‌ها توجه زيادي در دهه‌هاي اخير به خود جلب نموده است. حسگري فشرده يك روش نمونه‌برداري نوظهور است كه مي‌تواند در پايش بلندمدت سازه‌ها مفيد واقع شود. اين كار مي‌تواند با كاهش فضاي مورد نياز براي ذخيره داده‌ها و همچنين كاهش پهناي باند مورد نياز براي ارسال داده انجام شود. در اين رساله، يك رويكرد تعيني به منظور بهبود روش‌هاي مبتني بر روش حسگري فشرده قبلي ارائه شده است. همچنين يك شاخص تعريف شده است تا تعداد نمونه‌ها از قبل و بدون نياز به سعي و خطا در مرحله بازسازي معلوم باشد. اين شاخص كه شاخص توان نرماليزه‌شده نام‌گذاري شده است با استفاده از تجزيه مقادير تكين ديكشنري آموزش‌يافته محاسبه مي‌شود.روش حسگري فشرده تعيني همچنين با روش فشرده‌سازي به روش تبديل موجك، كدگذاري هافمن، و روش KSVD بر حسب دقت بازسازي و زمان محاسباتي مقايسه گرديد. نتايج شبيه‌سازي نشان داد كه دقت بازسازي و كدگذاري سريع روش حسگري فشرده تعيني باعث مي‌شود تا اين روش به عنوان يك گزينه مناسب براي پياده‌سازي در سيستم‌هاي شبكه حسگر بي‌سيم با محدوديت محاسباتي مطرح شود. روش حسگري فشرده مي تواند به منظور افزايش تاب‌آوري فرايند ارسال داده در سيستم‌هاي پايش سلامت سازه‌اي نيز مورد استفاده قرار گيرد. اين كار با نگاشت كردن سيگنال خام به يك فضاي ديگر و ارسال سيگنال نگاشت‌شده به جاي سيگنال اصلي مي‌تواند انجام شود. همچنين همبستگي بين سيگنال‌هاي سازه‌اي به منظور بازيابي داده‌هاي از دست‌رفته مورد استفاده قرار گرفته است. يك ماتريس نگاشت جديد به نام دمدولاتور تصادفي جايگشتي معرفي شده است تا همدوسي ماتريس حسگري كاهش يابد و دقت بازسازي بهبود يابد. استفاده از اين ماتريس باعث مي‌شود تا روش پيشنهادي قابليت بازيابي داده‌هاي از دست‌رفته با الگوي پيوسته را نيز داشته باشد. قابليت روش پيشنهادي با استفاده از سيگنال‌هاي ارتعاشاتي پل تيانجين يونگ مورد بررسي قرار گرفته است.طبق نتايج شبيه‌سازي، رويكرد چندكاناله پيشنهادي مبتني بر روش حسگري فشرده توزيعي براي الگوهاي اتلاف داده مختلف بهتر از حسگري فشرده تك كاناله عمل مي‌نمايد. اين بهبود براي نرخ‌هاي اتلاف داده شديد قابل توجه است. همچنين روش حسگري فشرده به منظور بازيابي بسته‌هاي از دست‌رفته به صورت بلادرنگ در كانال‌هاي مخابراتي از حسگرها به كنترلر مورد استفاده قرار گرفته است. ايده اصلي اِعمال روش حسگري فشرده به بردار حالت در كانال بازخورد سيستم مداربسته كنترل سازه‌ها است. در سمت كنترلر، به جاي منتظر ماندن براي دريافت مجدد بسته‌هاي اتلاف‌شده، بردار حالت كامل با استفاده از بسته‌هاي دريافتي بازسازي مي‌شود. از روش يادگيري ديكشنري به منظور تُنُك‌سازي ديكشنري با استفاده از داده‌هاي مختص هر كاربرد استفاده شده است. يك سازه مرجع 76 طبقه كه به ميراگر جرمي تنظيم‌شونده فعال مجهز است به منظور بررسي عملكرد روش پيشنهادي استفاده شده است. دقت بازسازي سيگنال با حالت ايده‌آل و همچنين روش KNN مقايسه گرديد. نتايج نشان داد كه روش حسگري فشرده دقت بالا و زمان محاسباتي قابل قبولي دارد.

1401/08/03

Application of Compressive Sensing technique in Vibration Signal Processing: Structural Health Monitoring & Structural Control

9/12/2023 12:00:00 AM

Instrumentation of civil infrastructures, for assessing their condition has received considerable attention over the last decades. Compressive Sensing (CS) is an emerging signal sampling technique that can be useful in the long-term monitoring of structures by reducing the storage space and transmission bandwidth. In this dissertation, a fully deterministic approach is proposed to enhance the previously proposed CS-based methods. A new index is defined to determine the number of measurements in advance, without any trial and error in the reconstruction stage. This index which is coined as NPI (Normalized Power Index) is derived using the singular value decomposition of the trained dictionary.Deterministic CS is also compared to the wavelet compression, the Huffman coding, and the K-SVD method in terms of accuracy and computational time. It is demonstrated that acceptable reconstruction accuracy and rapid encoding capability of the deterministic CS can make it an appropriate choice for being implemented in wireless sensor networks with limited computational resources at the sensor level. Compressive Sensing can also enhance the resiliency of the data transmission process in Structural Health Monitoring (SHM) systems by projecting the raw signal into another domain and transmitting the projected signal instead of the original one. The inter-correlation among vibration signals is also exploited to recover the lost packets. Furthermore, a new projection matrix, named Permuted Random Demodulator (PRD), is proposed that not only reduces the coherence of the sensing matrix and enhances the reconstruction accuracy, but also makes the proposed approach robust to continuous data loss. The capability of the proposed method is investigated using vibration signals of the Tianjin Yonghe Bridge with traffic excitation.Based on the simulation results, the proposed multi-signal DCS-based approach outperforms the single-signal CS-based approach for different data loss patterns. This improvement is much more significant for severe data loss. In addition, compressive sensing is used to recover the lost packets in real-time in the communication channel from sensors to the controller. The basic idea is to apply compressive sensing to the state vector, in the feedback channel of the closed-loop control system. On the controller side, rather than waiting for the unreceived packets to be received, the state vector is recovered using the partially observed data. Dictionary learning is used to train the sparsifying dictionary via the application-specific data set. A 76-story benchmark building equipped with an Active Tuned Mass Damper (ATMD) is used to investigate the performance of the proposed data transmission scheme.The reconstruction accuracy of the signals is compared to the K-Nearest Neighbor (KNN) method and the perfect communication case. Simulation results revealed that the CS-based approach yields high accuracy with reasonable computational time.

حسگري فشرده , يادگيري ديكشنري , فشرده‌سازي داده , بازيابي داده از دست‌رفته , كنترل سازه

Compressive Sensing , Dictionary Learning , Data Compression , Data Loss Recovery , Structural Control

Yousef Hedayati

Fereidoun Amini