Η αντιστοίχιση εικόνων έχει σαν σκοπό την εύρεση γεωμετρικών και άλλων διαφορών ανάμεσα σε δύο ή περισσότερες εικόνες. Η ψηφιακή υδατογράφηση εικόνων προσφέρει κατοχύρωση των πνευματικών δικαιωμάτων, εισάγοντας στις εικόνες ένα αδιόρατο σήμα, ένα υδατογράφημα, με τέτοιο τρόπο ώστε να είναι δύσκολο να αφαιρεθεί. Η αντιστοίχιση μπορεί να αποτελέσει τμήμα της ψηφιακής υδατογράφησης, στη φάση της ανίχνευσης του υδατογραφήματος. Επιπλέον, για την ανίχνευση του υδατογραφήματος χρησιμοποιούνται παρόμοιες ή και ίδιες μετρικές ομοιότητας με αυτές που χρησιμοποιούνται στην αντιστοίχιση. Έτσι, οποιαδήποτε βελτίωση αφορά την αντιστοίχιση ή τις μετρικές ομοιότητας μπορεί να έχει θετικές επιδράσεις και στην ψηφιακή υδατογράφηση. Η έρευνα που έγινε στα πλαίσια της διδακτορικής διατριβής σε σχέση με το πρόβλημα της αντιστοίχισης αφορά τη συσχέτιση των εικόνων στο χωρικό πεδίο, η οποία έχει το εξής μειονέκτημα: η περιοχή γύρω από τη μέγιστη τιμή της μπορεί να έχει μεγάλο εύρος και να επηρεάζει την ακρίβεια της αντιστοίχισης. Για την αντιμετώπιση αυτού του προβλήματος, προτείνεται μια διαδικασία προ-λεύκανσης των εικόνων, βασισμένη στο φίλτρο σφάλματος πρόβλεψης. Επίσης, αναπτύσσεται ένας επαναληπτικός αλγόριθμος αντιστοίχισης για μετατοπίσεις και περιστροφές, ο οποίος εφαρμόζεται σε ακολουθίες ιατρικών εικόνων με σκοπό τη διάγνωση δυσπλασιών και κακοηθειών. Ένα δεύτερο μειονέκτημα της χωρικής συσχέτισης είναι το μεγάλο υπολογιστικό της κόστος. Στη διδακτορική διατριβή προτείνεται ένα γρήγορο σχήμα υπολογισμού της, το οποίο βασίζεται σε κατάλληλη τμηματοποίηση της εικόνας και στη χρήση του μετασχηματισμού Fourier. Επίσης, το πιο απαιτητικό κομμάτι της διαδικασίας αντιστοίχισης είναι ο υπολογισμός της χρησιμοποιούμενης μετρικής σαν συνάρτηση της σχετικής θέσης των εικόνων. Έτσι, αναπτύσσεται ένας αποδοτικός επαναληπτικός αλγόριθμος, ο οποίος μειώνει σημαντικά τις αναζητήσεις που απαιτούνται για την εύρεση του μεγίστου του συντελεστή συσχέτισης και παρέχει ακρίβεια εικονοστοιχείου. Τέλος, προτείνεται μια τεχνική η οποία παρέχει ακρίβεια υποδιαίρεσης εικονοστοιχείου και βασίζεται στη μεγιστοποίηση του συντελεστή συσχέτισης. Η τεχνική αυτή δεν απαιτεί ανακατασκευή των τιμών της έντασης και παρέχει μια λύση κλειστού τύπου για την εκτίμηση της μετατόπισης. Όσο αφορά το πρόβλημα της υδατογράφησης, η έρευνα που έγινε στα πλαίσια της διδακτορικής διατριβής στοχεύει στην ένθεση ισχυρών υδατογραφημάτων στο χωρικό πεδίο και στη βελτίωση της ανίχνευσής τους. Καταρχήν, προτείνεται μια χωρική αντιληπτική μάσκα, η οποία βασίζεται στην τοπική διασπορά του σφάλματος πρόβλεψης της αρχικής εικόνας. Παράλληλα, αναπτύσσεται ένα «τυφλό» σύστημα ανίχνευσης και η βελτιωμένη απόδοσή του σε σχέση με υπάρχοντες ανιχνευτές αποδεικνύεται θεωρητικά για τη γενική περίπτωση επίθεσης με γραμμικό φίλτρο και θόρυβο. Στη συνέχεια, παράγεται μια νέα χωρική μάσκα η οποία επιτρέπει την ένθεση υδατογραφημάτων με εξαιρετικά μεγάλη ενέργεια, διατηρώντας ταυτόχρονα την ποιότητα της εικόνας σε πολύ καλό επίπεδο. Η απόδοσή της συγκρίνεται με πολύ γνωστές και ευρέως χρησιμοποιούμενες μάσκες και αποδεικνύεται σημαντικά καλύτερη. Επίσης, αναπτύσσεται ένα βελτιωμένο σχήμα ανίχνευσης, το οποίο σε συνδυασμό με την προτεινόμενη μάσκα έχει πολύ καλή απόδοση. Τέλος, προτείνεται μια μέθοδος εισαγωγής υδατογραφήματος στην εικόνα με πολλαπλασιαστικό τρόπο, χρησιμοποιώντας χωρο-χρονική κωδικοποίηση μπλοκ και ειδικότερα μια 4x4 πραγματική, ορθογώνια διάταξη συμβόλων. Το σχήμα αυτό αποδεικνύεται να έχει πολύ καλύτερη απόδοση σε σχέση με την επαναληπτική υδατογράφηση. / Image registration aims at finding geometrical or other differences between two or more images. Image watermarking offers copyright protection by embedding in the images an invisible signal, a watermark, in such a way that it is difficult to be removed. Image registration can be part of a watermark detector. Moreover, similar (or the same) similarity measures are used for both image registration and watermark detection. Thus, any improvement concerning the image registration or the similarity measures can have positive effects on image watermarking, too. Our research concerning the image registration problem deals with the spatial cross-correlation, which has the following drawback: the region around its maximum value can be rather wide, affecting the registration accuracy. This problem can be solved, by properly pre-whitening the images with the prediction error filter. Furthermore, an iterative algorithm is proposed for registering images with translation and rotation differences, which is then applied in sequences of medical images for cancer diagnosis. A second disadvantage of the spatial correlation is its computational cost. A fast computation scheme is proposed, based on a proper partitioning of the images and the Fourier transform. Also, the most computationally intensive part of a registration process is the evaluation of the involved measure for different relative image positions. Thus, an efficient iterative algorithm is developed that considerably reduces the number of searches required for finding the correlation coefficient maximum value and provides pixel accuracy. Finally, an image registration technique with subpixel accuracy is proposed, which is based on the correlation coefficient maximization. This technique does not require the reconstruction of the intensity values and provides a closed form solution to the subpixel translation estimation problem. As far as the problem of image watermarking is concerned, our research aims at embedding robust watermarks in spatial domain and improving their detection. First, a spatial perceptual mask is proposed, based on the local variance of the initial image prediction error. A blind detector is also developed, which performs better than the existing ones. This is theoretically proved for the general attack case with linear filter and noise. Furthermore, a new spatial perceptual mask is proposed that allows for a significantly increased strength of the watermark, while at the same time the image quality remains very good. Its performance is compared to known and widely used masks and is proved to be much better. Moreover, an improved detector is developed, which, combined with the new mask, performs very well. Finally, a new multiplicative watermark embedding is proposed, which uses space-time block coding (specifically a 4x4 real orthogonal design). This scheme is proved to perform much better than the repetitive watermarking.

Ο στόχος της παρούσας διατριβής είναι η ανάπτυξη μιας νέας κλάσης εξωτερικά εξαρτώμενων στοχαστικών συναρτησιακών μοντέλων για την αναγνώριση (identification) δυναμικών συστημάτων που παρουσιάζουν πολλαπλά σημεία λειτουργίας, τα οποία καθορίζονται από μετρήσιμη εξωτερική μεταβλητή (όπως για παράδειγμα, η θερμοκρασία, η υγρασία, κ.λ.π.). Επιπλέον, στόχος είναι η ανάπτυξη καινοτόμου μεθοδολογίας διάγνωσης (ανίχνευσης, προσδιορισμού και εκτίμησης) βλαβών σε δυναμικά συστήματα βάσει των στοχαστικών συναρτησιακών μοντέλων. Η διατριβή αρχικά πραγματεύεται την ανάπτυξη κατάλληλης μεθοδολογίας που αντιμετωπίζει τα επιμέρους προβλήματα της ανίχνευσης, του προσδιορισμού και της εκτίμησης βλαβών στη σύνθετη περίπτωση όπου η κατασκευή διεγείρεται υπό σεισμική διέγερση. Η αποτίμηση της μεθόδου αποτέλεσε και το έναυσμα για τη διαμόρφωση καινοτόμου μεθοδολογίας, η οποία βασίζεται σε μια νέα κλάση εξωτερικά εξαρτώμενων στοχαστικών συναρτησιακών μοντέλων. Τα μοντέλα αυτά έχουν την ικανότητα να αναπαριστούν, με μεγάλη ακρίβεια, μια κατασκευή για συγκεκριμένο τύπο βλάβης και συνεχές εύρος μεγεθών, χρησιμοποιώντας μοναδική μαθηματική αναπαράσταση παραμετροποιημένη ως προς το μέγεθος της βλάβης. Επισημαίνεται ότι τέτοιου τύπου συναρτησιακά μοντέλα δεν αναφέρονται στην βιβλιογραφία. Οι πιο συγγενείς οικογένειες μοντέλων προέρχονται από τις επιστήμες της στατιστικής και της οικονομετρίας, οι οποίες όμως δεν παρουσιάζουν συναρτησιακή μορφή και δεν μπορούν να καλύψουν συνεχή εύρη τιμών. Εξαιτίας αυτού του γεγονότος στη συνέχεια της διατριβής ορίζεται η νέα κλάση εξωτερικά εξαρτώμενων στοχαστικών Συναρτησιακών (F) μοντέλων Αυτοπαλινδρόμησης (AR) με Εξωγενή (X) είσοδο, των οποίων οι παράμετροι και η διασπορά του θορύβου είναι συναρτήσεις μετρήσιμης εξωτερικής μεταβλητής. Αυτή η συναρτησιακή εξάρτηση δίνει τη σημαντική ικανότητα στη νέα κλάση μοντέλων να μπορούν να χρησιμοποιηθούν: α) για τη δυναμική αναγνώριση συστημάτων με πολλαπλά σημεία λειτουργίας που καθορίζονται από μετρήσιμη εξωτερική μεταβλητή και, β) για την ανίχνευση, τον προσδιορισμό και την εκτίμηση βλαβών σε στοχαστικά δυναμικά συστήματα όπου η εξωτερική μεταβλητή είναι το μέγεθος της βλάβης. Επιπλέον, για τα μοντέλα αυτά αναπτύσσονται κατάλληλες μέθοδοι εκτίμησης των οποίων τα χαρακτηριστικά μελετώνται, και η αποτίμηση τους πραγματοποιείται μέσω προσομοιώσεων Monte Carlo. Στη συνέχεια ορίζεται η νέα κλάση εξωτερικά εξαρτώμενων στοχαστικών Συναρτησιακών (F) μοντέλων Αυτοπαλινδρόμησης (AR) και Κινητού Μέσου Όρου (ΜΑ) με Εξωγενή (X) είσοδο των οποίων επίσης οι παράμετροι και η διασπορά του θορύβου εκφράζονται ως συναρτήσεις μετρήσιμης εξωτερικής μεταβλητής. Τα μοντέλα FARΜΑX προσφέρουν επιπλέον ευελιξία σε σχέση με τα μοντέλα FARX εξαιτίας της εισαγωγής του πολυωνύμου ΜΑ. Για τα μοντέλα αυτά αναπτύσσονται επίσης κατάλληλες μεθοδολογίες εκτίμησης που βασίζονται στη μέγιστη πιθανοφάνεια και στην αρχή του σφάλματος πρόβλεψης. Επιπλέον, διαμορφώνονται δύο ακόμη μέθοδοι εκτίμησης που βασίζονται στην ελαχιστοποίηση του σφάλματος πρόβλεψης μέσω διαδοχικών γραμμικών σταδίων, οι οποίες παρουσιάζουν κάποια πρακτικά πλεονεκτήματα σε σχέση με τις προηγούμενες, μπορούν να συνδυαστούν με αυτές, αλλά απαιτούν την ανάπτυξη κατάλληλης άλγεβρας για τα μοντέλα FARΜΑX. Επίσης, μελετώνται ζητήματα όπως η συνέπεια και η ασυμπτωτική κατανομή της εκτιμήτριας σφάλματος πρόβλεψης. Η αποτίμηση όλων των μεθόδων εκτίμησης πραγματοποιείται μέσω προσομοιώσεων Monte Carlo. Τέλος, στα πλαίσια της παρούσας διατριβής αναπτύσσεται καινοτόμος μεθοδολογία ανίχνευσης, προσδιορισμού και εκτίμησης βλαβών σε δυναμικά συστήματα, η οποία βασίζεται στις νέες κλάσεις στοχαστικών συναρτησιακών μοντέλων των προηγούμενων κεφαλαίων. Η αποτίμηση της μεθοδολογίας πραγματοποιείται μέσω πειραματικής εφαρμογής σε διεθνές πρότυπο σκελετού αεροσκάφους υπό κλίμακα, όπου επιτυγχάνει με μεγάλη ακρίβεια, ανίχνευση, προσδιορισμό και εκτίμηση όλων των τύπων και μεγεθών βλάβης και επιπλέον ξεπερνά δυσκολίες που αντιμετωπίζουν άλλες τεχνικές της βιβλιογραφίας. / The aim of the present dissertation is the development of a new class of externally dependent stochastic functional models for the identification of dynamical systems under multiple operating conditions, which are defined by an external measurable variable (i.e. temperature, humidity, etc). The development of a novel methodology for fault diagnosis (fault detection, identification and estimation) in dynamical systems based upon the stochastic functional models is also an additional aim. The development of a proper method for fault detection, identification and estimation in structures under earthquake excitation is initially achieved. The method’s assessment was the motivation for the development of a novel methodology, which is based upon a new class of externally dependent stochastic functional models. These models are capable of accurately representing a structure for a certain type of fault in a continuous range of magnitudes by using a single mathematical representation parameterized in terms of the fault magnitude. It is noticed that such models are not referred in the literature until now. The most related families of models are found in sciences of statistics and econometrics. These models are mathematical representations without functional form and they are incapable of covering continuous ranges of values. Due to this fact, the new class of externally dependent stochastic Functional (F) AutoRegressive (AR) with eXogenous (X) excitation models, with parameters and innovations variance expressed as functions of a measurable external variable, is defined in the sequel of the dissertation. This functional dependence offers to the new class of models the important advantage of being used for: a) the identification of dynamical systems under multiple operating conditions which are defined by an external measurable variable and, b) fault detection, identification and estimation in stochastic dynamical systems where the external variable is the fault magnitude. Proper methods for FARX estimation are also developed and studied and their assessment is achieved via Monte Carlo simulations. In the following, the new class of externally dependent stochastic Functional (F) AutoRegressive (AR) Moving Average (MA) with eXogenous (X) excitation models, with parameters and innovations variance expressed as functions of a measurable external variable, is defined. The FARMAX models offer extra flexibility due to the MA part. Proper methods for FARMAX estimation, which are based upon the Maximum Likelihood and the Prediction Error principles, are also developed. Two further estimation methods are also formulated which are based upon minimization of the prediction error via successive linear stages. These methods offer some practical advantages comparing with the previous methods, they can be combined with the latter but they require the development of a proper algebra for FARMAX models. Additionally, the consistency and the asymptotic distribution of the prediction error estimator are considered. The assessment of all estimation methods is achieved via Monte Carlo simulations. In the last part of the dissertation a novel methodology for fault detection, identification and estimation in dynamical systems, which is based upon the new class of stochastic functional models of the previous chapters, is developed. The methodology’s assessment is accomplished via an experimental application in a prototype scale aircraft skeleton structure, where it achieves accurate fault detection, identification and estimation of several kinds and magnitudes of faults and also overcomes difficulties that are referred by other methods.

Στο κεφάλαιο 1 παρουσιάζεται μία γενική επισκόπηση της αυτόματης αναγνώρισης γενικευμένων ακουστικών γεγονότων. Επιπλέον συζητάμε τις εφαρμογές της τεχνολογίας αναγνώρισης ακουστικού σήματος και δίνουμε μία σύντομη περιγραφή του state of the art. Τέλος, αναφέρουμε τη συνεισφορά της διατριβής. Στο κεφάλαιο 2 εισάγουμε τον αναγνώστη στο χώρο της επεξεργασίας ακουστικών σημάτων που δε περιλαμβάνουν ομιλία. Παρουσιάζονται οι σύγχρονες προσεγγίσεις όσον αφορά στις μεθοδολογίες εξαγωγής χαρακτηριστικών και αναγνώρισης προτύπων. Στο κεφάλαιο 3 προτείνεται ένα καινοτόμο σύστημα αναγνώρισης ήχων ειδικά σχεδιασμένο για το χώρο των ηχητικών γεγονότων αστικού περιβάλλοντος και αναλύεται ο σχεδιασμός της αντίστοιχης βάσης δεδομένων. Δημιουργήθηκε μία ιεραρχική πιθανοτική δομή μαζί με δύο ομάδες ακουστικών παραμέτρων που οδηγούν σε υψηλή ακρίβεια αναγνώρισης. Στο κεφάλαιο 4 ερευνάται η χρήση της τεχνικής πολλαπλών αναλύσεων όπως εφαρμόζεται στο πρόβλημα της διάκρισης ομιλίας/μουσικής. Στη συνέχεια η τεχνική αυτή χρησιμοποιήθηκε για τη δημιουργία ενός συστήματος το οποίο συνδυάζει χαρακτηριστικά από διαφορετικά πεδία με στόχο την αποδοτική ανάλυση online ραδιοφωνικών σημάτων. Στο κεφάλαιο 5 προτείνεται ένα σύστημα το οποίο εντοπίζει μη-τυπικές καταστάσεις σε περιβάλλον σταθμού μετρό με στόχο να βοηθήσει το εξουσιοδοτημένο προσωπικό στην συνεχή επίβλεψη του χώρου. Στο κεφάλαιο 6 προτείνεται ένα προσαρμοζόμενο σύστημα για ακουστική παρακολούθηση εν δυνάμει καταστροφικών καταστάσεων ικανό να λειτουργεί κάτω από διαφορετικά περιβάλλοντα. Δείχνουμε ότι το σύστημα επιτυγχάνει υψηλή απόδοση και μπορεί να προσαρμόζεται αυτόνομα σε ετερογενείς ακουστικές συνθήκες. Στο κεφάλαιο 7 ερευνάται η χρήση της μεθόδου ανίχνευσης καινοτομίας για ακουστική επόπτευση κλειστών και ανοιχτών χώρων. Ηχογραφήθηκε μία βάση δεδομένων πραγματικού κόσμου και προτείνονται τρεις πιθανοτικές τεχνικές. Στο κεφάλαιο 8 παρουσιάζεται μία καινοτόμα μεθοδολογία για αναγνώριση γενικευμένου ακουστικού σήματος που οδηγεί σε υψηλή ακρίβεια αναγνώρισης. Εκμεταλλευόμαστε τα πλεονεκτήματα της χρονικής συγχώνευσης χαρακτηριστικών σε συνδυασμό με μία παραγωγική τεχνική κατηγοριοποίησης. / The dissertation is outlined as followed: In chapter 1 we present a general overview of the task of automatic recognition of sound events. Additionally we discuss the applications of the generalized audio signal recognition technology and we give a brief description of the state of the art. Finally we mention the contribution of the thesis. In chapter 2 we introduce the reader to the area of non speech audio processing. We provide the current trend in the feature extraction methodologies as well as the pattern recognition techniques. In chapter 3 we analyze a novel sound recognition system especially designed for addressing the domain of urban environmental sound events. A hierarchical probabilistic structure was constructed along with a combined set of sound parameters which lead to high accuracy. chapter 4 is divided in the following two parts: a) we explore the usage of multiresolution analysis as regards the speech/music discrimination problem and b) the previously acquired knowledge was used to build a system which combined features of different domains towards efficient analysis of online radio signals. In chapter 5 we exhaustively experiment on a new application of the sound recognition technology, space monitoring based on the acoustic modality. We propose a system which detects atypical situations under a metro station environment towards assisting the authorized personnel in the space monitoring task. In chapter 6 we propose an adaptive framework for acoustic surveillance of potentially hazardous situations under environments of different acoustic properties. We show that the system achieves high performance and has the ability to adapt to heterogeneous environments in an unsupervised way. In chapter 7 we investigate the usage of the novelty detection method to the task of acoustic monitoring of indoor and outdoor spaces. A database with real-world data was recorded and three probabilistic techniques are proposed. In chapter 8 we present a novel methodology for generalized sound recognition that leads to high recognition accuracy. The merits of temporal feature integration as well as multi domain descriptors are exploited in combination with a state of the art generative classification technique.

This thesis presents the development of a fault detection and diagnosis (FDD) procedure capable of capturing, isolating and identifying multiple abrupt parametric faults. The proposed method relies on parameter estimation deployed in a set membership framework. This approach presupposes the utilization of a linearly parametrizable model and the a priori knowledge of bounded noise errors and parameter perturbations. Under these assumptions, a data-hyperspace is generated at every time instant. The goal of set membership identification (SMI) is the determination of the parametric set, formed as an orthotope or ellipsoid, within which the nominal parameter vector resides and intersects with the data-hyperspace. The fault detection mechanism is activated when the normal operation of the SMI procedure is interrupted due to an empty intersection of the data-hyperspace and the estimated parametric set. At the detection instant, a resetting procedure is performed in order to compute the parameter set and the data-hyperspace that contain the varied nominal parameter vector, allowing the SMI algorithm to continue its operation. During the fault isolation, consistency tests are executed, relying on the projections of the worst case parametric sets and the ones arisen from the normal operation of SMI. A faulty component is indicated when these projections do not intersect, while the distance of their centers is used for fault identification. In case of the ellipsoidal SMI-based FDD and under the assumption of a time invariant parameter vector, a new fault detection criterion is defined based on the intersection of support orthotopes of ellipsoids. A more accurate estimation of the time instant of fault occurrence is proposed based on the application of a backward-in-time procedure starting from the fault detection instant, while the conditions under which a fault will never be detected by the orthotopic and ellipsoidal SMI based FDD are provided. This dissertation explores the efficiency of the proposed FDD methodology for capturing failure modes of two microelectromechanical systems; an electrostatic parallel-plate microactuator and a torsionally resonant atomic force microscope. From an engineering point of view, failure modes appeared in the microcomponents of the microactuator and the TR-AFM are encountered as parameter variations and are captured, isolated and identified by the proposed FDD methodology. / Σε αυτή την διατριβή, παρουσιάζεται η ανάπτυξη μιας διαδικασίας Ανίχνευσης και Διάγνωσης Σφαλμάτων, η οποία είναι ικανή να εντοπίζει, απομονώνει και αναγνωρίζει πολλαπλά, απότομα παραμετρικά σφάλματα. H προτεινόμενη μέθοδος βασίζεται στην αναγνώριση του συνόλου συμμετοχής των παραμέτρων. Ο στόχος της Αναγνώρισης Συνόλου Συμμετοχής είναι ο καθορισμός του παραμετρικού συνόλου εντός του οποίου κείται το ονομαστικό διάνυσμα παραμέτρων, δεδομένου ότι το ονομαστικό διάνυσμα παραμέτρων ανήκει επίσης σε έναν υπερχώρο δεδομένων. Το παραμετρικό σύνολο απεικονίζεται ως ένα ορθότοπο ή ένα ελλειψοειδές, λόγω της εύκολης μαθηματικής τους περιγραφής. Έτσι, η διαδικασία Αναγνώρισης Συνόλου Συμμετοχής αντιστοιχεί σε ένα πρόβλημα βελτιστοποίησης, το οποίο αποσκοπεί στον υπολογισμό του ορθοτόπου ή ελλειψοειδούς το οποίο περιέχει το ονομαστικό διάνυσμα παραμέτρων και τέμνεται με τον υπερχώρο δεδομένων. Ο μηχανισμός Ανίχνευσης Σφαλμάτων ενεργοποιείται όταν διακόπτεται η φυσιολογική λειτουργία της Αναγνώρισης Συνόλου Συμμετοχής, λόγω της κενής τομής μεταξύ των εκτιμώμενου παραμετρικού συνόλου και του υπερχώρου δεδομένων. Τη χρονική στιγμή ανίχνευσης ενός σφάλματος, εφαρμόζεται μια διαδικασία επαναρύθμισης που σκοπεύει στον υπολογισμό του νέου παραμετρικού συνόλου, το οποίο περιέχει το μεταβεβλημένο ονομαστικό διάνυσμα παραμέτρων και τέμνεται με το υπερχώρο δεδομένων. Κατά τη διάρκεια της διαδικασίας απομόνωσης του σφάλματος, εκτελούνται τεστ συμβατότητας, τα οποία βασίζονται στις προβολές των νέων παραμετρικών συνόλων και στις προβολές των παραμετρικών συνόλων χείριστης περίπτωσης, ενώ η απόσταση των κέντρων των προβολών χρησιμοποιείται για αναγνώριση σφάλματος. Στην περίπτωση που η Ανίχνευση και Διάγνωση Σφαλμάτων πραγματοποιείται βασιζόμενη στην Αναγνώριση Συνόλου Συμμετοχής με ελλειψοειδή και θεωρώντας το ονομαστικό διάνυσμα παραμέτρων χρονικά αμετάβλητο, ορίζεται ένα νέο κριτήριο ανίχνευσης σφαλμάτων, χρησιμοποιώντας την τομή των περιβαλλόντων ορθοτόπων των ελλειψοειδών. Σε αυτή την περίπτωση, ένα σφάλμα ανιχνεύεται όταν η τομή αυτή είναι κενή. Ακόμη, προτείνεται μια πιο ακριβής εκτίμηση της χρονικής στιγμής εμφάνισης του σφάλματος, ενώ παρατίθενται οι συνθήκες υπό τις οποίες ένα σφάλμα μπορεί να μην ανιχνευθεί ποτέ με την εφαρμογή των προτεινόμενων μεθόδων. Η συγκεκριμένη διατριβή επίσης ερευνά την αποτελεσματικότητα της προτεινόμενης μεθοδολογίας Ανίχνευσης και Διάγνωσης Σφαλμάτων για τον εντοπισμό των τρόπων εκδήλωσης σφαλμάτων σε δύο μικροηλεκτρομηχανικά συστήματα (ΜΗΜΣ), έναν ηλεκτροστατικό μικροεπενεργητή παράλληλων πλακών και ένα ατομικό μικροσκόπιο συντονισμού στρέψης. Από πλευράς μηχανικής, οι τρόποι εκδήλωσης σφαλμάτων στα δομικά στοιχεία του μικροεπενεργητή ή του ατομικού μικροσκοποίου αντιμετωπίζονται ως απότομες παραμετρικές, οι οποίες εντοπίζονται και διαγιγνώσκονται από τις προτεινόμενες μεθόδους.

The past 30 years have witnessed major developments in vibration based damage detection and identification, also collectively referred to as damage diagnosis. Moreover, the past 10 years have seen a rapid increase in the amount of research related to Structural Health Monitoring (SHM) as quantified by the significant escalation in papers published on this subject. Thus, the increased interest in this engineering field and its associated potential constitute the main motive for this thesis. The goal of the thesis is the development and introduction of novel advanced functional and sequential statistical time series methods for vibration based damage diagnosis and SHM. After the introduction of the first chapter, Chapter II provides an experimental assessment and comparison of vibration based statistical time series methods for Structural Health Monitoring (SHM) via their application on a lightweight aluminum truss structure and a laboratory scale aircraft skeleton structure. A concise overview of the main non-parametric and parametric methods is presented, including response-only and excitation-response schemes. Damage detection and identification are based on univariate (scalar) versions of the methods, while both scalar (univariate) and vector (multivariate) schemes are considered. The methods' effectiveness for both damage detection and identification is assessed via various test cases corresponding to different damage scenarios, multiple experiments and various sensor locations on the considered structures. The results of the chapter confirm the high potential and effectiveness of vibration based statistical time series methods for SHM. Chapter III investigates the identification of stochastic systems under multiple operating conditions via Vector-dependent Functionally Pooled (VFP) models. In many applications a system operates under a variety of operating conditions (for instance operating temperature, humidity, damage location, damage magnitude and so on) which affect its dynamics, with each condition kept constant for a single commission cycle. Typical examples include mechanical structures operating under different environmental conditions, aircrafts under different flight conditions (altitude, velocity etc.), structures under different structural health states (various damage locations and magnitudes). In this way, damage location and magnitude may be considered as parameters that affect the operating conditions and as a result the structural dynamics. This chapter's work is based on the novel Functional Pooling (FP) framework, which has been recently introduced by the Stochastic Mechanical Systems \& Automation (SMSA) group of the Mechanical Engineering and Aeronautics Department of University of Patras. The main characteristic of Functionally Pooled (FP) models is that their model parameters and innovations sequence depend functionally on the operating parameters, and are projected on appropriate functional subspaces spanned by mutually independent basis functions. Thus, the fourth chapter of the thesis addresses the problem of identifying a globally valid and parsimonious stochastic system model based on input-output data records obtained under a sample of operating conditions characterized by more than one parameters. Hence, models that include a vector characterization of the operating condition are postulated. The problem is tackled within the novel FP framework that postulates proper global discrete-time linear time series models of the ARX and ARMAX types, data pooling techniques, and statistical parameter estimation. Corresponding Vector-dependent Functionally Pooled (VFP) ARX and ARMAX models are postulated, and proper estimators of the Least Squares (LS), Maximum Likelihood (ML), and Prediction Error (PE) types are developed. Model structure estimation is achieved via customary criteria (Bayesian Information Criterion) and a novel Genetic Algorithm (GA) based procedure. The strong consistency of the VFP-ARX least squares and maximum likelihood estimators is established, while the effectiveness of the complete estimation and identification method is demonstrated via two Monte Carlo studies. Based on the postulated VFP parametrization a vibration based statistical time series method that is capable of effective damage detection, precise localization, and magnitude estimation within a unified stochastic framework is introduced in Chapter IV. The method constitutes an important generalization of the recently introduced Functional Model Based Method (FMBM) in that it allows, for the first time in the statistical time series methods context, for complete and precise damage localization on continuous structural topologies. More precisely, the proposed method can accurately localize damage anywhere on properly defined continuous topologies on the structure, instead of pre-defined specific locations. Estimator uncertainties are taken into account, and uncertainty ellipsoids are provided for the damage location and magnitude. To achieve its goal, the method is based on the extended class of Vector-dependent Functionally Pooled (VFP) models, which are characterized by parameters that depend on both damage magnitude and location, as well as on proper statistical estimation and decision making schemes. The method is validated and its effectiveness is experimentally assessed via its application to damage detection, precise localization, and magnitude estimation on a prototype GARTEUR-type laboratory scale aircraft skeleton structure. The damage scenarios considered consist of varying size small masses attached to various continuous topologies on the structure. The method is shown to achieve effective damage detection, precise localization, and magnitude estimation based on even a single pair of measured excitation-response signals. Chapter V presents the introduction and experimental assessment of a sequential statistical time series method for vibration based SHM capable of achieving effective, robust and early damage detection, identification and quantification under uncertainties. The method is based on a combination of binary and multihypothesis versions of the statistically optimal Sequential Probability Ratio Test (SPRT), which employs the residual sequences obtained through a stochastic time series model of the healthy structure. In this work the full list of properties and capabilities of the SPRT are for the first time presented and explored in the context of vibration based damage detection, identification and quantification. The method is shown to achieve effective and robust damage detection, identification and quantification based on predetermined statistical hypothesis sampling plans, which are both analytically and experimentally compared and assessed. The method's performance is determined a priori via the use of the analytical expressions of the Operating Characteristic (OC) and Average Sample Number (ASN) functions in combination with baseline data records, while it requires on average a minimum number of samples in order to reach a decision compared to most powerful Fixed Sample Size (FSS) tests. The effectiveness of the proposed method is validated and experimentally assessed via its application on a lightweight aluminum truss structure, while the obtained results for three distinct vibration measurement positions prove the method's ability to operate based even on a single pair of measured excitation-response signals. Finally, Chapter VI contains the concluding remarks and future perspectives of the thesis. / Κατά τη διάρκεια των τελευταίων 30 ετών έχει σημειωθεί σημαντική ανάπτυξη στο πεδίο της ανίχνευσης και αναγνώρισης βλαβών, το οποίο αναφέρεται συνολικά και σαν διάγνωση βλαβών. Επίσης, κατά την τελευταία δεκαετία έχει σημειωθεί σημαντική πρόοδος στον τομέα της παρακολούθησης της υγείας (δομικής ακεραιότητας) κατασκευών. Στόχος αυτής της διατριβής είναι η ανάπτυξη εξελιγμένων συναρτησιακών και επαναληπτικών μεθόδων χρονοσειρών για τη διάγνωση βλαβών και την παρακολούθηση της υγείας κατασκευών υπό ταλάντωση. Αρχικά γίνεται η πειραματική αποτίμηση και κριτική σύγκριση των σημαντικότερων στατιστικών μεθόδων χρονοσειρών επί τη βάσει της εφαρμογής τους σε πρότυπες εργαστηριακές κατασκευές. Εφαρμόζονται μη-παραμετρικές και παραμετρικές μέθοδοι που βασίζονται σε ταλαντωτικά σήματα διέγερσης και απόκρισης των κατασκευών. Στη συνέχεια αναπτύσσονται στοχαστικά συναρτησιακά μοντέλα για την στοχαστική αναγνώριση κατασκευών υπό πολλαπλές συνθήκες λειτουργίας. Τα μοντέλα αυτά χρησιμοποιούνται για την αναπαράσταση κατασκευών σε διάφορες καταστάσεις βλάβης (θέση και μέγεθος βλάβης), ώστε να είναι δυνατή η συνολική μοντελοποίσή τους για όλες τις συνθήκες λειτουργίας. Τα μοντέλα αυτά αποτελούν τη βάση στην οποία αναπτύσσεται μια συναρτησιακή μέθοδος η οποία είναι ικανή να αντιμετωπίσει συνολικά και ενιαία το πρόβλημα της ανίχνευσης, εντοπισμού και εκτίμησης βλαβών σε κατασκευές. Η πειραματική αποτίμηση της μεθόδου γίνεται με πολλαπλά πειράματα σε εργαστηριακό σκελετό αεροσκάφους. Στο τελευταίο κεφάλαιο της διατριβής προτείνεται μια καινοτόμος στατιστική επαναληπτική μέθοδο για την παρακολούθηση της υγείας κατασκευών. Η μέθοδος κρίνεται αποτελεσματική υπό καθεστώς λειτουργικών αβεβαιοτήτων, καθώς χρησιμοποιεί επαναληπτικά και στατιστικά τεστ πολλαπλών υποθέσεων. Η αποτίμηση της μεθόδου γίνεται με πολλαπλά εργαστηριακά πειράματα, ενώ η μέθοδος κρίνεται ικανή να λειτουργήσει με τη χρήση ενός ζεύγους ταλαντωτικών σημάτων διέγερσης-απόκρισης.

H διατριβή διερευνά προβλήματα αποδοτικής οργάνωσης χωροταξικών δεδομένων, προτείνει συγκεκριμένες δενδρικές δομές για τη διαχείρισή τους και, τέλος, δίνει παραδείγματα χρήσης τους σε ειδικές περιοχές εφαρμογών. Το πρώτο κεφάλαιο ασχολείται με το γεωμετρικό πρόβλημα της εύρεσης των ισo-προσανατολισμένων ορθογωνίων που περικλείουν ένα query αντικείμενο που μπορεί να είναι ένα ισο-προσανατολισμένο ορθογώνιο είτε σημείο ή κάθετο / οριζόντιο ευθύγραμμο τμήμα. Για την επίλυσή του προτείνεται μια πολυεπίπεδη δενδρική δομή που βελτιώνει τις πολυπλοκότητες των προηγούμενων καλύτερων λύσεων. Το δεύτερο κεφάλαιο εξετάζει το πρόβλημα της ανάκτησης σημείων σε πολύγωνα. H προτεινόμενη γεωμετρική δομή είναι επίσης πολυεπίπεδη και αποδοτική όταν το query πολύγωνο έχει συγκεκριμένες ιδιότητες. Το τρίτο κεφάλαιο ασχολείται με την εφαρμογή δενδρικών δομών σε δύο βιομηχανικά προβλήματα. Το πρώτο αφορά στη μείωση της πολυπλοκότητας ανίχνευσης συγκρούσεων κατά την κίνηση ενός ρομποτικού βραχίονα σε μια επίπεδη σκηνή με εμπόδια. Ο αλγόριθμος επίλυσης κάνει χρήση μιας ουράς προτεραιότητας και μιας UNION-FIND δομής ενώ αξιοποιεί γνωστές δομές και αλγόριθμους της Υπολογιστικής Γεωμετρίας όπως υπολογισμός κυρτών καλυμμάτων, έλεγχος polygon inclusion, κλπ. Το δεύτερο πρόβλημα ασχολείται με το σχεδιασμό απαιτήσεων υλικών (MRP) σε ένα βιομηχανικό σύστημα παραγωγής. Για το σκοπό αυτό αναπτύχθηκε ένας MRP επεξεργαστής που χρησιμοποιεί διασυνδεμένες λίστες και εκτελείται στην κύρια μνήμη για να είναι αποδοτικός. Το τελευταίο κεφάλαιο εξετάζει το πρόβλημα του ελέγχου της παραγωγής και συγκεκριμένα της δρομολόγησης εργασιών. Στο πλαίσιο αυτό σχεδιάστηκε και υλοποιήθηκε ένα ευφυές σύστημα δρομολόγησης σε περιβάλλον ροής που συνδυάζει γνωσιακή τεχνολογία και προσομοίωση με on-line έλεγχο προκειμένου να υποστηρίξει το διευθυντή παραγωγής στη λήψη αποφάσεων. / Τhe dissertation examines problems of efficient organization of spatial data, proposes specific tree structures for their management, and finally, gives examples of their use in specific application areas. The first chapter is about the problem of finding the iso-oriented rectangles that enclose a query object which can be an iso-oriented rectangle either a point or a vertical / horizontal line segment. A multilevel tree structure is proposed to solve the problem which improves the complexities of the best previous known solutions. The second chapter examines the problem of point retrieval on polygons. The proposed geometric structure is also multileveled and efficient when the query polygon has specific properties. The third chapter is about the application of tree structures in two manufacturing problems. The first one concerns the reduction in the complexity of collision detection as a robotic arm moves on a planar scene with obstacles. For the solution a priority queue and a UNION-FIND structure are used, whereas known data structures and algorithms of Computational Geometry such as construction of convex hulls, polygon inclusion testing, etc. are applied. The second problem is about material requirements planning (MRP) in a manufacturing production system. To this end an MRP processor was developed, which uses linked lists and runs in main memory to retain efficiency. The last chapter examines the production control problem, and more specifically the job scheduling problem. In this context, an intelligent scheduling system was designed and developed for flow shop production control which combines knowledge-based technology and simulation with on-line control in order to support the production manager in decision making.