Subspace-based system identification and fault detection: Algorithms for large systems and application to structural vibration analysis
Résumé
System identification methods are especially attractive to structural engineering for the identification of vibration modes and mode shapes of structures, as well as for detecting changes in their vibration characteristics, both under real operation conditions. Focusing on the class of subspace-based methods, the goal of this thesis is to improve the efficiency and robustness of system identification and fault detection of large in-operational structures, which are heavily instrumented and work under noisy and varying environmental conditions. In this thesis, four different hurdles are cleared. Firstly, an algorithm is derived for directly merging sensor data from multiple measurement sessions at different sensor positions and under different excitation conditions. With a modular and memory efficient approach, global subspace-based system identification of large structures is possible. Secondly, a reformulation of a least squares problem leads to a significantly faster computation of system identification results at multiple model orders, which is used to distinguish true physical modes of a structure from spurious modes under in-operation conditions. Thirdly, a statistical subspace-based fault detection method is improved using a residual that is robust to changes in the unmeasured ambient excitation. Finally, a statistical damage localization test is derived, where required sensitivities are computed from measured data without the need of finite element model. The proposed methods are validated on simulations and are successfully applied to system identification and damage detection of several large-scale civil structures.
L'identification des modes vibratoires est un sujet prioritaire dans le cadre de la surveillance des structures civiles. Certaines techniques d'identification, les méthodes sous espace, ont prouvé leur adéquation pour l'identification et la détection de changements dans les caractéristiques vibratoires, ceci sous des conditions opérationnelles. Le but de cette thèse est l'amélioration de l'efficacité et de la robustesse de ces approches pour l'identification vibratoire et pour la détection des pannes dans les structures de grande taille, équipées d'un grand nombre de capteurs et fonctionnant en conditions environnementales diverses et bruitées. Dans cette thèse, quatre verrous majeurs ont été levés. D'abord, à partir de mesures collectées à différents points de mesure et sous différentes conditions environnementales, un algorithme d'extraction des déformées est proposé, alliant simplicité, modularité et compacité. Ensuite, une reformulation d'un problème moindre carrés amène à une amélioration conséquente du temps de calcul, lors du calcul multi ordre utilisé pour séparer les vrais modes de structures des modes parasites. D'autre part, une approche statistique pour la détection de pannes est améliorée et modifiée par l'usage d'un résidu robuste aux variations dans l'excitation ambiante inconnue. Finalement est considéré le problème de localisation de fautes quand l'absence de modèle aux éléments finis doit être compensée par un calcul direct de sensibilités à partir des données mesurées. Les différentes méthodes sont validées sur simulations et sont appliquées avec succès pour l'identification et la détection de fautes sur plusieurs structures civiles de grande taille.