[论文解读] Value of structural health monitoring quantification in partially observable stochastic environments.

Charalampos Andriotis, Konstantinos G. Papakonstantinou+1 more|arXiv (Cornell University)|Dec 28, 2019

Probabilistic and Robust Engineering Design被引用 4

一句话总结

本文提出了一种通用框架，利用部分可观察马尔可夫决策过程（POMDPs）在部分可观察的随机环境中量化信息价值（VoI）和结构健康监测价值（VoSHM）。通过利用基于点的求解器在信念空间中近似最优策略，该方法实现了在不确定性下对退化工程系统全生命周期控制的高效、全局最优决策。

ABSTRACT

Sequential decision-making under uncertainty for optimal life-cycle control of deteriorating engineering systems and infrastructure entails two fundamental classes of decisions. The first class pertains to the various structural interventions, which can directly modify the existing properties of the system, while the second class refers to prescribing appropriate inspection and monitoring schemes, which are essential for updating our existing knowledge about the system states. The latter have to rely on quantifiable measures of efficiency, determined on the basis of objective criteria that, among others, consider the Value of Information (VoI) of different observational strategies, and the Value of Structural Health Monitoring (VoSHM) over the entire system life-cycle. In this work, we present general solutions for quantifying the VoI and VoSHM in partially observable stochastic domains, and although our definitions and methodology are general, we are particularly emphasizing and describing the role of Partially Observable Markov Decision Processes (POMDPs) in solving this problem, due to their advantageous theoretical and practical attributes in estimating arbitrarily well globally optimal policies. POMDP formulations are articulated for different structural environments having shared intervention actions but diversified inspection and monitoring options, thus enabling VoI and VoSHM estimation through their differentiated stochastic optimal control policies. POMDP solutions are derived using point-based solvers, which can efficiently approximate the POMDP value functions through Bellman backups at selected reachable points of the belief space. The suggested methodology is applied on stationary and non-stationary deteriorating environments, with both infinite and finite planning horizons, featuring single- or multi-component engineering systems.

研究动机与目标

• 开发一种在部分可观察随机环境中量化信息价值（VoI）的通用方法。
• 将该框架扩展至量化工程系统全生命周期内的结构健康监测价值（VoSHM）。
• 通过整合结构干预与监测策略，实现在不确定性下的最优序贯决策。
• 将该框架应用于具有有限和无限规划时域的平稳与非平稳退化系统。
• 通过在统一的POMDP框架内建模多样化的检查与监测选项，支持多组件系统。

提出的方法

• 本文将全生命周期控制问题建模为部分可观察马尔可夫决策过程（POMDPs），以刻画系统状态中的不确定性。
• 采用基于点的求解器，通过在选定的可达信念点上执行贝尔曼备份，高效近似POMDP值函数。
• 该方法利用从POMDP求解中获得的随机最优控制策略，比较并量化不同监测策略下的VoI与VoSHM。
• 该框架支持具有共享干预动作但具备不同检查与监测选项的单组件与多组件系统。
• 通过分析在不同观测策略下最优策略的性能差异，实现VoI与VoSHM的估计。
• 该方法被应用于具有无限与有限规划时域的系统，包括平稳与非平稳退化过程。

实验结果

研究问题

• RQ1 如何在部分可观察的随机环境中系统性地量化结构系统的VoI？
• RQ2 在退化基础设施的全生命周期管理中，检查、监测与干预策略之间的最优权衡是什么？
• RQ3 VoSHM如何随不同的系统退化模式和规划时域而变化？
• RQ4 POMDP求解在多大程度上能为不确定性下的序贯决策提供全局最优策略？
• RQ5 多样化的监测选项在多大程度上影响整体系统控制性能与成本效益？

主要发现

• 基于POMDP的框架通过比较不同观测策略下获得的最优控制策略，实现了VoI与VoSHM的精确量化。
• 基于点的求解器为高维信念空间中的值函数近似提供了高效且可扩展的方法。
• 该方法在具有有限与无限规划时域的平稳与非平稳退化环境中，成功支持了最优决策。
• 该框架在单组件与多组件系统中均表现出一致性能，同时保持计算可行性。
• 结果表明，VoSHM显著受系统复杂性与退化动态的影响，凸显了定制化监测策略的重要性。
• 该方法能够识别出在干预成本下信息增益最大的成本效益监测方案。