Auf unbemannten Luftfahrzeugen basierende strukturelle Gesundheitsüberwachung und computergestützte Verfahren für seismische Sicherheitsmaßnahmen bei linearen Infrastrukturen

Die Computer Vision im Bereich der strukturellen Gesundheitsüberwachung (SHM) ist populär geworden, insbesondere zur Verarbeitung von Daten unbemannter Luftfahrzeuge (UAV), hat jedoch sowohl in experimentellen Tests als auch in praktischen Anwendungen Einschränkungen. Frühere Arbeiten konzentrierten sich auf die Herausforderungen und Chancen von UAV für die schwingungsbasierte SHM von Gebäuden oder Brücken, aber es bestehen spezifische praktische und methodologische Lücken für lineare Infrastruktursysteme wie Pipelines. Da sie entscheidend für den Transport von Produkten und die Übertragung von Energie sind, ist eine Machbarkeitsstudie zur UAV-basierten SHM für lineare Infrastrukturen unerlässlich, um ihre Betriebscontinuity durch ein fortschrittliches SHM-System sicherzustellen. Daher schlägt diese Studie einen einzelnen UAV zur seismischen Überwachung und Sicherheitsbewertung von linearen Infrastrukturen sowie deren computergestützte Verfahren vor. Die vorgeschlagenen Verfahren wurden in einem voll-scaligen Schütteltest einer Erdgas-Pipeline-Assembly implementiert. Die Ziele waren, das Potenzial des UAV für die seismische Schwingungsüberwachung linearer Infrastrukturen mit Hilfe mehrerer Computer Vision-Algorithmen zu erkunden und die Auswirkungen der Parameterauswahl für jeden Algorithmus auf die Genauigkeit der Übereinstimmung zu untersuchen. Das Verfahren beginnt mit der Anwendung der Methode der maximal stabilen extremalen Regionen (MSER), um kovariante Regionen zu extrahieren, die durch einen bestimmten Schwellenwert von Bildserien ähnlich bleiben. Das interessierende Merkmal wird dann mithilfe der Speeded-Up Robust Features (SURF) und K-nearest Neighbor (KNN) Algorithmen erkannt, extrahiert und abgeglichen. Der Maximum Sample Consensus (MSAC) Algorithmus wird für die Modellanpassung angewendet, indem die Wahrscheinlichkeit der Lösung maximiert wird. Die Ausgabe jedes Algorithmus wird auf Richtigkeit bei den Übereinstimmungs-Paaren und Genauigkeit untersucht, was ein hervorstechendes Merkmal dieses Verfahrens ist, da bisher keine Studien diese Eigenschaften untersucht haben. Die Rohdaten werden korrigiert und skaliert, um Verschiebungsdaten zu erzeugen. Schließlich wurde eine strukturelle Sicherheitsbewertung unter Verwendung mehrerer Systemidentifikationsmodelle durchgeführt. Diese Verfahren wurden zunächst mit einem auf einem Aktuator platzierten Aluminiumstab validiert und in drei harmonischen Tests getestet, und anschließend wurde eine Fallstudie zu den Pipeline-Schütteltests analysiert. Die Validierungstests zeigen eine gute Übereinstimmung zwischen den UAV-Daten und den Referenzdaten. Die Ergebnisse des Schütteltests zeigen auch eine angemessene seismische Leistung und bewerten die seismische Sicherheit der Pipeline, wodurch die Machbarkeit des vorgeschlagenen Verfahrens und das Potenzial der UAV-basierten SHM für die Überwachung linearer Infrastrukturen demonstriert wird.