Skip to main content

Banery wysuwane

liternicza okładka na pomarańczowym tle
Cointegration-Based Approach for Structural Health Monitoring: Theory and Applications

Author
Product category
Nauki techniczne » Automatyka i robotyka
ISBN
978-83-66016-44-6
ISSN
087-6631
Publication type
monografia
Number of pages
124
Publication date
2018
Description

Structural Health Monitoring (SHM) has gained a significant importance for aerospace, civil and mechanical engineering infrastructures, as well as energy supply systems and many other industrial installations. Structural damage detection is a key fundamental element in SHM systems and the implementation of damage detection strategies  – in the presence of varying environmental and operational conditions  – is one of the most challenging tasks for engineering community. Cointegration, a technique originally developed in the econometrics field, has recently been introduced to SHM as a promising data-driven method for the removal of common long-term trends  – induced by changing environmental and operational conditions  – in SHM data. In essence, the theory of cointegration can be used to combine nonstationary variables to create a stationary combination purged of all common trends in the original data. Therefore cointegration has been seen as an effective solution to the data normalisation problem in SHM.
In spite of the fact that cointegration has proved its great potential for SHM, there does not exist any overview document about cointegration for SHM. This is the first monograph written to address both theoretical background and practical application aspect of cointegration for engineering in general, and for SHM in particular. Its main objective is to present, prove and establish a reliable data analysis/processing approach  – based on the cointegration technique  – for structural damage detection and process condition monitoring in the presence of changing environmental and operational conditions. The monograph is organized in two parts, in which the first part (Chapters 2–4) gives a brief and sufficient introduction to the cointegration theory as well as other relevant concepts and the second part (Chapters 5 and 6) presents some selected real-world SHM applications of the cointegration-based approach.
The applicability of the cointegration technique for SHM has been demonstrated through three case studies: (1) Lamb-wave-based damage detection in aluminium plates in the presence of temperature changes, (2) damage detection in composite plates using nonlinear acoustics under different low-frequency modal excitations, and (3) condition monitoring and fault diagnosis of wind turbines using supervisory control and data acquisition (SCADA) data acquired from a wind turbine drivetrain under varying environmental and operational conditions. These case studies have utilised four damage detection scenarios: (1) geometrical features of cointegration residuals, (2) cointegration residuals in control charts, (3) stationary statistical characteristics of cointegration residuals, and (4) wavelet variance characteristics of cointegration residuals. A new approach for the optimal selection of lag length (or the number of lags) to employ in cointegration analysis has been used for abnormal detection in these case studies. The results have showed that the cointegration-based approach can effectively compensate for the influence of environmental and operational variability in the engineering data such that damage or fault can be detected accurately and reliably.
In summary, the work presented in this monograph has successfully proved that cointegration is a suitable approach for the analysis of nonstationary SHM data, a reliable tool for the removal of environmental and operational effects from damage-sensitive features, and it is perfectly matched to SHM needs.


Monitorowanie stanu technicznego konstrukcji (ang. Structural Health Monitoring, SHM) zyskało w ostatnich latach ogromne znaczenie w przemyśle lotniczym, inżynierii lądowej, inżynierii mechanicznej, branży energii odnawialnych i wielu innych zastosowaniach inżynierskich. Detekcja uszkodzeń jest kluczowym elementem systemów SHM, a implementacja strategii wykrywania uszkodzeń  – w obecności zmiennych warunków środowiskowych i warunków pracy  – jest jednym z najtrudniejszych zadań w tym zakresie. Metoda kointegracji, opracowana i stosowana dotychczas w dziedzinie ekonometrii, została niedawno uznana w systemach SHM za obiecujący, bazujący na danych sposób usuwania trendów w danych pomiarowych wynikających ze zmiennych warunków środowiskowych i operacyjnych. Metoda kointegracji pozwala na równoczesną analizę wielu zmiennych niestacjonarnych w celu wyodrębnienia ich stacjonarnej kombinacji przez usunięcie wspólnych trendów z danych wejściowych. Z tego względu metoda kointegracji postrzegana jest jako efektywne narzędzie do kondycjonowania danych w systemach SHM.
Pomimo że metoda kointegracji wykazała duży potencjał w zastosowaniach SHM, nie istnieje żadna pozycja literaturowa oferująca podsumowanie prac badawczych w tym zakresie. Niniejsza monografia jest pierwszym tego typu dokumentem omawiającym podstawy teoretyczne oraz zastosowania praktyczne metody kointegracji, ze szczególnym naciskiem na zastosowania w systemach SHM. Głównym celem niniejszej pracy jest przedstawienie i omówienie procesu przetwarzania danych, wykorzystującego metodę kointegracji, w zastosowaniu do detekcji uszkodzeń w konstrukcjach i wibrodiagnostyce w zmiennych warunkach środowiskowych i operacyjnych. Monografia składa się z dwóch części. Pierwsza część (rozdziały 2–4) przedstawia wprowadzenie teoretyczne do metody kointegracji i powiązanych z nią zagadnień. Druga część (rozdziały 5 i 6) omawia wybrane przypadki zastosowań praktycznych metody kointegracji w monitorowaniu stanu technicznego konstrukcji.
Stosowalność metody kointegracji w SHM została zademonstrowana dla trzech przypadków: (1) detekcji uszkodzeń w płytach aluminiowych z wykorzystaniem fal Lamba w warunkach zmiennego pola temperatury, (2) detekcji uszkodzeń w płytach kompozytowych z wykorzystaniem metody modulacji wibroakustycznej w warunkach zmiennej amplitudy wymuszenia niskoczęstotliwościowego, (3) wibrodiagnostyka i detekcja uszkodzeń w turbinach wiatrowych na podstawie danych z systemu SCADA (ang. Supervisory Control and Data Acquisition) w zmiennych warunkach środowiskowych i operacyjnych. W tych trzech przypadkach zastosowano następujące strategie detekcji uszkodzeń: (1) analiza cech geometrycznych wartości resztkowych kointegracji, (2) analiza wartości resztkowych kointegracji w schematach sterowania, (3) analiza stacjonarnych parametrów statystycznych wartości resztkowych kointegracji, oraz (4) charakterystyka wariancji falkowej wartości resztkowych kointegracji. Zaproponowano również nowe podejście do optymalnego doboru parametru przesunięcia (ang. lag length) (lub liczby parametrów przesunięć) wykorzystywanych w metodzie kointegracji. Wyniki przeprowadzonych prac potwierdziły, że metoda kointegracji może zostać z sukcesem zastosowana do kompensacji efektów środowiskowych i zmiennych warunków pracy wpływających niekorzystnie na jakość danych wejściowych. Dzięki temu detekcja wad i uszkodzeń w materiale może zostać wykonana z większą precyzją i niezawodnością.
Podsumowując, prace omówione w niniejszej monografii dowodzą, że metoda kointegracji jest odpowiednia do analizy niestacjonarnych danych pochodzących z systemów monitorowania stanu technicznego konstrukcji. Stanowi również doskonałe narzędzie do odseparowywania zmienności wynikającej z czynników środowiskowych i operacyjnych od cech sygnału niosących informację diagnostyczną, przez co doskonale sprawdza się w systemach SHM.


Wydawnictwa nie prowadzą sprzedaży książek z serii "Rozprawy. Monografie". Zainteresowanych prosimy o kontakt z ich autorami.

Contents

Summary  7
Streszczenie  9
Acknowledgements  11
1. Introduction  12
1.1. SHM and similar research fields  12
1.2. Effects of varying environmental and operational conditions on SHM  13
1.3. Why cointegration has been applied to SHM  16
1.4. A review of cointegration-based approaches for SHM  20
1.5. Motivation and scope of this monograph  24
2. Stationarity and nonstationarity  27
2.1. Definitions and basic concepts  27
2.2. Time series and stationarity  29
2.3. Unit root tests  32
2.4. The Dickey-Fuller (DF) and augmented Dickey-Fuller (ADF) tests  35
3. Cointegration method  39
3.1. Introduction to cointegration  39
3.2. Cointegration and common trends  40
3.3. Testing for cointegration  42
3.4. Johansen’s cointegration procedure  43
3.5. Testing for stationarity  45
3.6. Example using the Weierstrass–Mandelbrot cosine fractal function  46
3.7. Summary and discussion  49
4. Lag length selection in cointegration analysis used for SHM  52
4.1. Background  52
4.2. Conventional selection methods from econometrics  53
4.2.1. Methods based on the information criteria  53
4.2.2. Methods based on the likelihood ratio test  54
4.2.3. Methods based on the sequential modified likelihood ratio test  55
4.2.4. Sample size and lag length selection  56
4.3. Optimal lag length selection based on stationarity analysis used for structural damage detection  57
4.4. Summary and conclusions  59
5. Cointegration-based approach to SHM applications  60
5.1. Damage detection scenarios  60
5.1.1. Using geometrical features of cointegration residuals  61
5.1.2. Using wavelet variance characteristics of cointegration residuals  61
5.1.2.1. Fractal-based signal processing using wavelets  61
5.1.2.2. Wavelet-based fractal analysis of cointegration residuals  63
5.1.3. Using stationary statistical characteristics of cointegration residuals  63
5.2. Case study 1: Structural damage detection in aluminium plates using lamb waves under temperature variations  64
5.2.1. Lamb wave data contaminated by temperature  64
5.2.2. Lag length selection results  66
5.2.3. Damage detection results using cointegration residuals  67
5.2.4. Damage detection results using wavelet variance characteristics of cointegration residuals  70
5.2.5. Damage detection results using stationary statistical characteristics of cointegration residuals  76
5.3. Case study 2: Impact damage detection in composite plates using nonlinear acoustics under load changes  77
5.3.1. Principle of nonlinear vibro-acoustic wave modulation technique  77
5.3.2. Vibro-acoustic data for different frequencies of modal excitations  78
5.3.3. Lag length selection results  80
5.3.4. Damage detection results using stationary statistical characteristics of cointegration residuals  81
5.4. Summary and conclusions  84
6. Cointegration-based approach to condition monitoring of wind turbines  86
6.1. Introduction  86
6.2. Condition monitoring and fault diagnosis of wind turbines using SCADA data  87
6.2.1. Review of previous work  88
6.2.2. Discussion  90
6.3. Cointegration-based approach to condition monitoring of wind turbines  91
6.4. Experimental wind turbine data  93
6.5. Case study 1: Using various process parameters of the wind turbine  99
6.5.1. Optimal cointegrating vectors  99
6.5.2. Condition monitoring and fault detection using cointegration residuals  100
6.5.3. Discussion  104
6.6. Case study 2: Using only the temperature data of gearbox and generator  105
6.7. Summary and conclusions  109
7. Summary and conclusions  110
7.1. Summary  110
7.2. Conclusions  112
References  114

Contents
Price
0.00
In order to arrange international shipping details and cost please contact wydawnictwa@agh.edu.pl