Application of vibration-based damage detection to an integral abutment bridge
Notice bibliographique
Résumé
Vibration-based damage detection (VBDD) methods use changes to the dynamic characteristics of a structure (i.e. its natural frequencies, mode shapes, and damping properties) to detect the presence of damage and determine its location. The application of these methods to constructed civil engineering facilities is complicated by a number of factors unique to these structures. Despite the challenges, the development of reliable VBDD methods for constructed facilities has the potential for great benefit and cost savings to infrastructure owners. This paper focuses on the application of VBDD techniques based on changes to mode shapes to a two-span, slab-on-girder, integral abutment bridge in Saskatoon, Canada. The dynamic response of the bridge under ambient traffic loading has been measured periodically using temporarily installed accelerometers over a range of ambient temperatures. A detailed finite element (FE) model has been developed and calibrated to match the first three measured natural frequencies and mode shapes. This model was then used to simulate the dynamic response of the bridge as various states of small-scale damage were induced, and several VBDD techniques were applied to detect and locate the damage. Preliminary results show that the ambient temperature significantly influences measured natural frequencies. In addition, the presence and location of damage may be found using any of VBDD techniques. The performance of the techniques is influenced by the number of sensors used to characterize mode shapes, as well as by the procedures used to normalize the mode shapes.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».