Informazioni e aggiornamenti

Informazioni e aggiornamenti

Abstract

Il monitoraggio strutturale (SHM) e l’analisi modale operativa si basano sull’identificazione accurata delle frequenze modali a partire dai segnali di vibrazione. In molti casi pratici, però, acquisire segnali ad alta frequenza è limitato dall’hardware, dal consumo energetico o dalla banda di trasmissione dei dati: il campionamento Sub-Nyquist diventa quindi una sfida centrale.

Bay-Fi (Bayesian Frequency Identification) affronta questa sfida con un nuovo metodo generale che consente l’identificazione diretta della frequenza modale principale senza richiedere:

  • la ricostruzione del segnale
  • alcuna taratura preliminare degli iperparametri

L’approccio usa un framework bayesiano per ottimizzare un algoritmo di curve fitting applicato a segnali di vibrazione fortemente sottocampionati e acquisiti in modo casuale. In questo modo si ottengono stime di frequenza robuste anche quando i metodi convenzionali fallirebbero per aliasing o dati insufficienti.

Metodologia

L’idea centrale di Bay-Fi è riformulare l’identificazione della frequenza come un problema di ottimizzazione bayesiana. Invece di ricostruire l’intero segnale da misure sparse, il metodo stima direttamente la frequenza dominante adattando un modello parametrico ai campioni disponibili in un contesto probabilistico.

Caratteristiche principali del metodo:

  • Senza parametri da tarare: non richiede conoscenze a priori né regolazioni manuali
  • Robusto al sottocampionamento: funziona con segnali campionati ben al di sotto della frequenza di Nyquist
  • Compatibile con il campionamento casuale: gestisce campioni non uniformi e acquisiti casualmente
  • Scalabile: applicabile a misure a singolo canale e multicanale

Podcast generato con l’IA

Ti sei mai chiesto come suonerebbe Bay-Fi spiegato da due conduttori entusiasti davanti a un caffè? Ecco la risposta. Jari Vepsäläinen (Aalto University, Finlandia) ha dato l’articolo in pasto a un’IA e ne è uscito un episodio di podcast sorprendentemente coinvolgente, con tanto di inferenza bayesiana e campionamento Sub-Nyquist. Buon ascolto! (Il podcast è in inglese.)

Aggiornamenti

DataAggiornamento
ott 2025Avvio del progetto, primo sviluppo del framework bayesiano
docs