![Ιδρυματικό Αποθετήριο [SANDBOX]](images/dias.logo.png "Ιδρυματικό Αποθετήριο [SANDBOX]"){kind=logo}
Ιδρυματικό Αποθετήριο [SANDBOX]
Πολυτεχνείο Κρήτης
Πολυτεχνείο Κρήτης
EN
|
EL
| URI | http://purl.tuc.gr/dl/dias/0687A231-6725-4C35-A0F4-CA9246E1A9C5 | - |
| Αναγνωριστικό | https://doi.org/10.26233/heallink.tuc.103598 | - |
| Γλώσσα | el | - |
| Μέγεθος | 54 σελίδες | el |
| Τίτλος | Εφαρμογή μοντέλων πρόβλεψης μειωμένης τάξης και ψηφιακών διδύμων για την πρόβλεψη μηχανικής απόκρισης κατασκευών | el |
| Τίτλος | Application of reduced-order prediction models and digital twins for the prediction of structural mechanical response | en |
| Δημιουργός | Liaskos Nikolaos | en |
| Δημιουργός | Λιασκος Νικολαος | el |
| Συντελεστής [Επιβλέπων Καθηγητής] | Stavroulakis Georgios | en |
| Συντελεστής [Επιβλέπων Καθηγητής] | Σταυρουλακης Γεωργιος | el |
| Συντελεστής [Μέλος Εξεταστικής Επιτροπής] | Alevras Panagiotis | en |
| Συντελεστής [Μέλος Εξεταστικής Επιτροπής] | Αλευρας Παναγιωτης | el |
| Συντελεστής [Μέλος Εξεταστικής Επιτροπής] | Charalampidi Varvara | en |
| Συντελεστής [Μέλος Εξεταστικής Επιτροπής] | Χαραλαμπιδη Βαρβαρα | el |
| Εκδότης | Πολυτεχνείο Κρήτης | el |
| Εκδότης | Technical University of Crete | en |
| Ακαδημαϊκή Μονάδα | Technical University of Crete::School of Production Engineering and Management | en |
| Ακαδημαϊκή Μονάδα | Πολυτεχνείο Κρήτης::Σχολή Μηχανικών Παραγωγής και Διοίκησης | el |
| Περιγραφή | Διπλωματική Εργασία που υποβλήθηκε στη σχολή ΜΠΔ του Πολυτεχνείου Κρήτης για την πλήρωση των προυποθέσεων λήψης του πτυχίου. | el |
| Περίληψη | Η παρούσα διατριβή επικεντρώνεται στη διερεύνηση προηγμένων υπολογιστικών μεθόδων για την πρόγνωση της μηχανικής απόκρισης σύνθετων ή ιστορικών κατασκευών, μέσα από τη συνεργασία μειωμένων μοντέλων πρόβλεψης (Reduced-Order Models, ROM) και της φιλοσοφίας των Ψηφιακών Διδύμων (Digital Twins). Αρχικά, αναπτύσσεται μία μεθοδολογία προεπεξεργασίας δεδομένων και εξαγωγής χαρακτηριστικών, η οποία αξιοποιεί τόσο στατιστικές όσο και συχνοτικές τεχνικές, με απώτερο στόχο την ταχεία αναγνώριση της δυναμικής συμπεριφοράς της δομής υπό διάφορες συνθήκες φόρτισης (π.χ. σεισμική διέγερση, περιβαλλοντικοί κραδασμοί). Στη συνέχεια, εφαρμόζονται μοντέλα μειωμένης τάξης, τα οποία αποσκοπούν στη δραστική μείωση του υπολογιστικού φόρτου σε σχέση με τα κλασικά μοντέλα πεπερασμένων στοιχείων (FEM), διατηρώντας ταυτόχρονα ικανοποιητική ακρίβεια στην πρόβλεψη των κρίσιμων παραμέτρων (π.χ. μετακινήσεις, τάσεις). Η ενσωμάτωση της ιδέας των Ψηφιακών Διδύμων επιτρέπει, επιπλέον, την αμφίδρομη επικοινωνία μεταξύ της πραγματικής κατασκευής και του αριθμητικού μοντέλου σε πραγματικό ή σχεδόν πραγματικό χρόνο. Με τον τρόπο αυτό, επιτυγχάνεται βελτίωση της ακρίβειας και της ευελιξίας του μοντέλου, αξιοποιώντας δεδομένα από αισθητήρες επιταχυνσιομέτρων, μετρήσεις παραμορφώσεων και άλλες πηγές πεδίου. Τα αποτελέσματα που προέκυψαν από τη συστηματική μελέτη του προτεινόμενου πλαισίου καταδεικνύουν ότι η προσεκτική οργάνωση των δεδομένων, η στοχοθετημένη επιλογή χαρακτηριστικών, καθώς και η χρήση κατάλληλων μεθόδων βελτιστοποίησης, μπορούν να ενισχύσουν καθοριστικά την αξιοπιστία των ROM, ακόμη και σε έντονα μη γραμμικές περιοχές. Τέλος, παρουσιάζονται εφαρμογές σε σεισμικά σενάρια και περιπτώσεις λιθόκτιστων ή βιομηχανικών δομών, επιβεβαιώνοντας ότι η εξελιγμένη αυτή προσέγγιση δύναται να αποτελέσει ένα ισχυρό εργαλείο για τη διαχείριση, τη συντήρηση και την ασφάλεια των κατασκευών στο σύγχρονο μηχανικό περιβάλλον. | el |
| Περίληψη | This dissertation focuses on the development and implementation of computational methodologies for accurate and efficient prediction of the mechanical response of complex structures, with emphasis on historical monuments and masonry constructions. The proposed approach combines Reduced-Order Models (ROMs) with the philosophy of Digital Twins (DTs), aiming to bridge the gap between high-fidelity simulations and real-time monitoring and decision-making needs. The framework begins with a comprehensive methodology for data preprocessing and analysis, using information from diverse sources such as sensors (e.g., accelerometers), historical records, and geometric surveys. Emphasis is placed on feature extraction from dynamic time series (e.g., seismic signals, environmental vibrations), using both statistical (mean, standard deviation, skewness, kurtosis) and spectral techniques (Welch analysis, spectral entropy, spectral centroid, bandwidth), enabling efficient quantification of the dynamic behavior under different loading conditions. Next, Reduced-Order Models are applied to significantly lower the computational cost of conventional full-order models (Finite Element Models – FEM), while maintaining adequate accuracy in predicting critical quantities such as displacements, stresses, and strains. Techniques such as projection-based model reduction, using modes or snapshots, are employed to construct compact reduced bases. The integration of Digital Twin architectures forms the cornerstone of the proposed approach, enabling dynamic, two-way communication between the physical structure and its ROM-based digital counterpart. Sensor data (from accelerometers, strain gauges, or other Structural Health Monitoring – SHM – systems) are used to continuously or periodically update the model, improving its predictive capabilities in near real-time. An application example using ARMAX time-series models is presented, where the extracted features serve as exogenous inputs. Results show high accuracy and generalization ability, even in the presence of limited training data. Proper data organization, targeted feature selection, and appropriate optimization and validation techniques (e.g., comparison with experimental data, MAC criterion) significantly enhance ROM reliability, even in nonlinear regimes. Finally, real-world scenarios such as the seismic analysis of historical masonry structures (e.g., the Neoria of Chania) demonstrate that the proposed framework is a powerful, flexible, and computationally efficient tool for monitoring, predictive maintenance, safety assessment, and life-cycle management of critical infrastructure. Keywords: Reduced-Order Models (ROM), Digital Twins, predictive modeling, structural mechanical response, nonlinear FEM analysis, seismic response, historical structures, masonry, SHM, sensor data processing, feature extraction, ARMAX, optimization, model validation, Neoria of Chania. | en |
| Τύπος | Διπλωματική Εργασία | el |
| Τύπος | Diploma Work | en |
| Άδεια Χρήσης | http://creativecommons.org/licenses/by/4.0/ | en |
| Ημερομηνία | 2025-07-17 | - |
| Ημερομηνία Δημοσίευσης | 2025 | - |
| Θεματική Κατηγορία | Digital twining | en |
| Θεματική Κατηγορία | Ψηφιακά δίδυμα | el |
| Θεματική Κατηγορία | Reduced order models | en |
| Θεματική Κατηγορία | Μοντέλα μειωμένης τάξης | el |
| Βιβλιογραφική Αναφορά | Νικόλαος Λιάσκος, "Εφαρμογή μοντέλων πρόβλεψης μειωμένης τάξης και ψηφιακών διδύμων για την πρόβλεψη μηχανικής απόκρισης κατασκευών", Διπλωματική Εργασία, Σχολή Μηχανικών Παραγωγής και Διοίκησης, Πολυτεχνείο Κρήτης, Χανιά, Ελλάς, 2025 | el |
| Βιβλιογραφική Αναφορά | Nikolaos Liaskos, "Application of reduced-order prediction models and digital twins for the prediction of structural mechanical response", Diploma Work, School of Production Engineering and Management, Technical University of Crete, Chania, Greece, 2025 | en |
Copyright © DIAS 2013
