Application of vibration based methods and statistical pattern recognition techniques to structural health monitoring
Notice bibliographique
Résumé
The primary objective of Structural Health Monitoring (SHM) is to diagnose structures for damage, take necessary measures if any damage occurs, and estimate their degradation rate. Conventional non-destructive evaluation methods are not always practical for implementation of a continuous health monitoring system. Vibration Based Damage Identification (VBDI) methods applied to SHM can be useful in interpreting the global vibration response of a structure to identify local changes. Due to complicated features of real life structures there are some uncertainties related to input parameters such as measured frequencies and mode shape data, where output is sensitive to errors in modal parameters. As all VBDI processes rely on experimental data with their inherent uncertainties, statistical procedures are helpful if one is to interpret the vibration response mixed with other ambient affects. The objective of this study is the detection of damage by VBDI methods and statistical pattern recognition techniques. Here, two practical structures, the Crowchild Bridge in Calgary, and a 3D-Space Frame have been tested with two VBDI algorithms. The Damage Index and Matrix Update methods have been selected to study simulated damage cases on the numerical models of the selected structures. For the application of statistical pattern recognition techniques to damage identification, another in-service structure, the Portage Creek Bridge in Victoria, Canada has been tested. The classification of the patterns has been performed using outlier analysis. Alternatively, damage detection by pattern comparison using residual errors has been applied.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».