Assessment of structural safety and performances of cultural heritage towers and existing bridges through long-term monitoring integrated systems

Il progresso nelle tecnologie di monitoraggio, nell’analisi dei dati e nella modellazione strutturale ha progressivamente trasformato il modo in cui le costruzioni esistenti vengono osservate e interpretate. In questo quadro evolutivo, la presente tesi esplora il ruolo del monitoraggio strutturale a lungo termine come strumento per comprendere e valutare la condizione strutturale dei beni storici e delle infrastrutture. La ricerca trae origine da applicazioni reali su torri monumentali in muratura e ponti ferroviari, nei quali l’osservazione continua costituisce la base per un’interpretazione quantitativa e per la formulazione del giudizio ingegneristico. A partire da estesi insiemi di dati raccolti durante anni di attività di monitoraggio, il lavoro inizialmente sviluppa metodologie data-driven capaci di estrarre indicatori affidabili per la valutazione del comportamento strutturale direttamente dalle misurazioni sperimentali, insieme a strumenti integrati per la loro interpretazione. Tali approcci, elaborati senza ricorrere a modelli numerici né a compensazioni ambientali, forniscono una base solida per l’identificazione di tendenze evolutive e anomalie. L'efficacia delle metodologie proposte è stata testata sul progetto di monitoraggio di lungo periodo della Torre Garisenda di Bologna che ha costituito e costituisce un laboratorio unico su larga scala per la validazione di procedure sistematiche di interpretazione dei dati e di strategie di conservazione del bene monitorato. Lo studio si estende infine alle architetture di monitoraggio in tempo reale per la gestione delle strutture esistenti, illustrando lo sviluppo e la piena integrazione di una piattaforma per la gestione dei dati e l'identificazione delle anomalie. In questo frangente, si analizzano anche le potenzialità di modellazione e raffinamento di modelli computazionali per la formulazione di pseudo-dati, introducendo algoritmi di Intelligenza Artificiale per supportare la classificazione automatica del danno, l’analisi automatizzata e la manutenzione predittiva dei ponti, con particolare attenzione al ruolo del giudizio ingegneristico nello sviluppo e nel perfezionamento del sistema.