Bridge damage identification under operational and environmental variability

Los puentes pueden llegar a colapsar bajo ciertas circunstancias, por ejemplo, por desastres naturales, sobrecarga de tráfico, procesos de deterioro o falta de mantenimiento, lo que genera grandes costes de renovación y reemplazo y, en el peor de los casos, pérdidas humanas. Con el fin de evitar fallas catastróficas es necesaria la evaluación de la estabilidad estructural de los puentes durante su vida útil de diseño. Por este motivo, en las últimas décadas se han investigado y adoptado numerosas técnicas de monitoreo de salud estructural (SHM). En particular, los métodos basados en vibraciones (VBM) se han utilizado ampliamente para la detección de daños y la evaluación del estado de las estructuras de puentes debido a su alta eficiencia. Estos métodos se basan en el principio de que un cambio en la respuesta dinámica de la estructura puede deberse a un posible daño estructural. Sin embargo, en el caso de los puentes, estos cambios también pueden deberse a la variabilidad operativa (efecto del tráfico real en el puente) y ambiental (variaciones de temperatura y humedad). De hecho, esto dificulta la labor de identificación de daños, ya que el puente puede permanecer seguro, pero aún tener cambios en la respuesta dinámica si los efectos de tráfico y condiciones ambientales no se han eliminado adecuadamente de la respuesta dinámica. Por lo tanto, se activarían falsos positivos de alarma por daño. Desde este punto de vista, el objetivo de esta tesis es evaluar métodos y algoritmos adecuados para detectar, localizar y cuantificar diferentes tipos de escenarios de daños eliminando los efectos de variabilidad operativa y ambiental. Sin embargo, debido a la dificultad de obtener datos reales en puentes sin daño y posteriormente dañados, y a la vez influenciados por el tráfico y los cambios de temperatura, los métodos propuestos se verifican mediante un modelo numérico de referencia generada como parte de la Acción COST TU1402 sobre la cuantificación del valor de la información. El modelo de referencia consiste en un puente de acero de dos vanos e incluye seis niveles de daños simulados en dos ubicaciones diferentes. Las aceleraciones verticales se obtienes a partir de un análisis temporal del puente numérico sometido a una carga móvil, mediante la ejecución de un código Python de acceso abierto que está disponible a través de la plataforma GitHub. Por un lado, para eliminar la variabilidad operativa, se propone el método de detección de daños basado en la Transformada de Hilbert-Huang (HHT) ya que la serie temporal registrada de las aceleraciones inducidas por el tráfico suele ser no lineal y no estacionaria, de ahí que la Transformada Rápida de Fourier (FFT) no sea aplicable. En primer lugar, se investigan técnicas de descomposición en modos de forma empírica y no recursiva con el fin de obtener funciones de modo intrínseco (IMF) físicamente significativas a partir de las señales de vibración transitoria. Luego, la Transformada de Hilbert (HT) se aplica a los IMF para obtener su correspondiente frecuencia instantánea (IF), amplitud instantánea (IA) y espectro de Hilbert (HS). Además, el espectro marginal de Hilbert (MHS) y la diferencia de fase instantánea (IPD) se usan como parámetros sensibles al daño. Por otro lado, para eliminar la variabilidad ambiental, la metodología propuesta se basa en el Análisis de Componentes Principales (PCA). En este caso, las series temporales debidas a las excitaciones ambientales se pueden considerar casi lineales y estacionarias, por lo que se pueden utilizar la FFT y el análisis modal. Las frecuencias naturales obtenidas del análisis modal y la diferencia de fase instantánea obtenida de la aplicación de la HHT se utilizan como parámetros sensibles al daño. Los resultados demuestran que los métodos propuestos son eficientes y precisos para detectar, localizar y también cuantificar daños bajo cargas de vibración tanto transitorias como estacionarias. La fiabilidad de estos métodos para la detección de daños fomenta su implementación en el monitoreo de la salud estructural de estructuras más complejas. Bridges are prone to collapse under certain circumstances, for instance, by natural disasters, traffic overloading, deterioration processes or lack of maintenance, resulting in huge renovation and replacement costs and, in the worst cases, human losses. To prevent catastrophic failures, the assessment of the structural stability of bridges during their design lifetime is required. Consequently, numerous Structural Health Monitoring (SHM) techniques have been investigated and adopted over the past few decades. Particularly, vibration-based methods (VBM) have been widely used for damage detection and condition assessment of bridge structures due to its high efficiency. These methods are based on the concept that a potential structural damage can be inferred from a change in the dynamic response of the structure. However, in the case of bridges, these changes can also be due to the operational (traffic load effects) and environmental (temperature and humidity variations) variability. Indeed, this hinders the task of damage identification since the bridge can stay safe, but still has changes in the dynamic response if the effects of traffic and environment have not been properly deleted from the dynamic response. Therefore, a false positive alarm would be triggered. From this perspective, the aim of this thesis is to verify suitable methods and algorithms that can be used to detect, locate and quantify damage by removing the effects of operational and environmental variability. However, due to the difficulty of obtaining real data on undamaged and later damaged bridges, and simultaneously influenced by traffic and changes in temperature, the proposed methods are verified via a numerical benchmark structure generated as part of COST Action TU1402 on Quantifying the Value of Information. The benchmark model consists of a two-span steel girder bridge and includes six levels of damage simulated in two different locations. The vertical acceleration response is obtained from a time-history analysis of the numerical bridge subjected to moving load, by running an open access Python code which is available through the GitHub platform. On the one hand, to remove the operational variability, the Hilbert-Huang Transform (HHT) -based damage detection method is proposed since the recorded time series of accelerations due to traffic is usually non-linear and non-stationary, hence the Fast Fourier Transform (FFT) is not applicable. Firstly, empirical and non-recursive mode decomposition techniques are investigated to obtain physically meaningful Intrinsic Mode Functions (IMF) from the transient vibration signals. Then the Hilbert Transform (HT) is applied to the IMFs to obtain their corresponding instantaneous frequency (IF), instantaneous amplitude (IA) and Hilbert spectrum (HS). Additionally, the marginal Hilbert spectrum (MHS) and instantaneous phase difference (IPD) are used as damage-sensitive features. On the other hand, to remove the environmental variability, the proposed methodology is based on Principal Component Analysis (PCA). In this case, the time series due to ambient excitations can be considered as almost linear and stationary, hence the FFT and modal analysis can be used. The natural frequencies obtained from modal analysis and the instantaneous phase difference obtained from the application of HHT are used as damage sensitive features. Results demonstrate that the proposed methods are efficient and accurate in detecting, locating and also quantifying damage under both transient and stationary vibration loads. The reliability of these methods for damage detection encourages their implementation in the structural health monitoring of more complex structures.