[논문 리뷰] High dimensional inference for the structural health monitoring of lock gates

Matthew Parno, Devin O’Connor외 1명|arXiv (Cornell University)|2018. 12. 13.

Water Systems and Optimization인용 수 5

한 줄 요약

이 논문은 유한요소 모델과 고차원 가우시안 프로세스 사전분포를 결합하여, 노이즈가 많은 변형 데이터를 사용해 잠금문의 실시간 구조적 건강 모니터링을 가능하게 하는 확장 가능한 베이지안 추론 프레임워크를 제시한다. 카르누엔-로브 전개, 가우시안 프로세스의 상태공간 표현, 칼만 스무딩을 활용하여, 표준 데스크톱에서 약 140만 개의 매개변수에 대해 한 시간 이내에 공간적으로 분포된 경계 조건과 열적 영향을 효율적으로 추론한다. 이는 중요한 인프라 모니터링에 거의 실시간 적용 가능성을 입증한다.

ABSTRACT

Locks and dams are critical pieces of inland waterways. However, many components of existing locks have been in operation past their designed lifetime. To ensure safe and cost effective operations, it is therefore important to monitor the structural health of locks. To support lock gate monitoring, this work considers a high dimensional Bayesian inference problem that combines noisy real time strain observations with a detailed finite element model. To solve this problem, we develop a new technique that combines Karhunen-Lo\\`eve decompositions, stochastic differential equation representations of Gaussian processes, and Kalman smoothing that scales linearly with the number of observations and could be used for near real-time monitoring. We use quasi-periodic Gaussian processes to model thermal influences on the strain and infer spatially distributed boundary conditions in the model, which are also characterized with Gaussian process prior distributions. The power of this approach is demonstrated on a small synthetic example and then with real observations of Mississippi River Lock 27, which is located near St. Louis, MO USA. The results show that our approach is able to probabilistically characterize the posterior distribution over nearly 1.4 million parameters in under an hour on a standard desktop computer.

연구 동기 및 목표

• 미국 내륙 수로의 노후화된 잠금문을 모니터링하는 데 도전하는 것—설계 수명을 초과했으며, 고장 시 높은 경제적 위험을 초래함.
• 노이즈가 많고 시간에 따라 상관관계가 있는 변형 관측치와 복잡한 유한요소 모델을 갖춘 구조적 건강 모니터링에서 고차원 베이지안 추론의 계산 불가능성을 해결하는 것.
• 경계 조건, 열적 영향, 센서 편향의 확률적 특성화를 가능하게 하여 피로 수명 예측 및 유지보수 계획 수립을 지원하는 것.
• 표준 컴퓨팅 하드웨어에서 운영 배포에 적합한 확장 가능하고 거의 실시간인 추론 파이프라인 개발

제안 방법

• 공간적으로 분포된 경계 조건과 열응력 장을 감소시키기 위해 카르누엔-로브 전개를 적용한다.
• 경계 하중, 열응력, 센서 편향에 대한 가우시안 프로세스 사전분포를 상태공간 형태의 시간에 따라 변하는 확률적 미분 방정식으로 표현한다.
• 칼만 스무딩을 사용하여 고차원 매개변수 공간에서 효율적이고 선형적으로 확장 가능한 추론을 수행하며, 계산 비용이 관측 수와 선형적으로 증가한다.
• 실제 변형 게이지 데이터에서 관측된 일일 주기적 열응력 효과를 효과적으로 모델링하기 위해 준주기적 가우시안 프로세스를 통합한다.
• 실제 미주스터트레인 게이지 데이터베이스에서 확보한 미국 육군공사(USACE)의 SMART 게이지 데이터와 고정밀 유한요소 모델인 잠금문 27호를 통합한다.
• 유한요소 모델 크기를 줄이기 위해 정적 축소 기법을 적용하여 계산 효율성을 향상시키면서도 정확도를 손상시키지 않는다.

실험 결과

연구 질문

• RQ1 실제 변형 데이터를 사용하여 수백만 개의 매개변수를 갖는 고차원 구조적 건강 모니터링 문제를 효율적으로 처리할 수 있는 베이지안 추론 프레임워크가 존재하는가?
• RQ2 시간적 상관관계와 환경적 영향—예를 들어 일일 주기적 열팽창—은 어떻게 효과적으로 모델링하고 탄성 응력에서 분리할 수 있는가?
• RQ3 가우시안 프로세스의 상태공간 표현이 노이즈가 많은 관측치를 갖는 복잡한 구조 모델에서 확장 가능하고 선형 시간에 비례하는 추론을 얼마나 잘 가능하게 하는가?
• RQ4 직접 측정이 없는 상태에서 변형 게이지 데이터와 고도로 세밀한 유한요소 모델만을 사용해도 알려지지 않은 경계 조건과 센서 편향을 정확하게 추론할 수 있는가?
• RQ5 이 방법은 거의 실시간 모니터링에 적합한가? 이를 통해 운영자가 구조적 이질성을 신속히 탐지하고 잠재적 고장을 대응할 수 있는가?

주요 결과

• 표준 데스크톱 컴퓨터에서 약 140만 개의 매개변수에 대해 한 시간 이내에 베이지안 추론을 성공적으로 수행하여 높은 계산 효율성을 입증했다.
• 준주기적 가우시안 프로세스가 실제 변형 게이지 데이터에서 일일 주기적 열응력 사이클을 효과적으로 포착하여 열응력과 탄성 응력 성분을 정확히 분리하는 데 기여했다.
• 상태공간 가우시안 프로세스 사전분포와 함께 칼만 스무딩을 적용하여 관측 수에 대해 선형적으로 확장 가능한 추론이 가능해졌으며, 기존 가우시안 프로세스 추론의 세제곱 비용 문제를 해결했다.
• 사후 분포는 게이지 위치와 게이트 기하학에 부합하는 물리적으로 타당한 경계 하중 패턴을 드러내었으며, 변형 게이지가 없는 영역에서는 더 높은 불확실성을 보였다.
• 비밀통행 조건에서 사전과 사후 하중 간의 심각한 불일치를 확인하여, 모델이 물리적 상태에 민감하고 데이터 기반 보정의 중요성을 잘 반영하고 있음을 입증했다.
• 전체 공동 사후 분포를 탐색할 수 있는 인ter랙티브 Bokeh 기반 웹 인터페이스를 개발하여, 모델 매개변수의 더 깊은 불확실성 정량화 및 시각화를 가능하게 했다.