Dynamic Monitoring Systems for Structures under Extreme Loads
Notice bibliographique
Résumé
The dynamic monitoring of civil structures such as buildings and bridges is traditionally approached using acceleration and velocity sensors. When a monitoring program is designed to address concerns related to the level of strain in certain members, fatigue or displacements due to extreme loads, it is sometimes advantageous to measure those parameters directly, instead of deriving them from acceleration or velocity data. Inhomogeneous construction materials such as concrete, stone or masonry require the use of long-gauge sensors to measure strain, since local sensors can provide erroneous data due to local material changes. On the other hand, acceleration and tilt sensors are very useful to capture the global deformations and displacements. The development of long-gauge-length fiber optic sensors can be considered as a useful addition to the toolkit of those interested in the structural dynamics. The system can monitor structures over long periods of time at acquisition frequencies up to 10 kHz and with sub-microstrain resolution. The possibility of obtaining static and dynamic measurements from the same sensor is another advantage of this technology. For acceleration and tilt monitoring, MEMS sensors are now recognized as a powerful and low-cost alternative to more traditional sensor types. Fully-integrated sensors with 3-axis accelerometers and two-axis tiltmeters are now available in a compact packaging that also contain all data acquisition electronics and can be easily deployed in new or existing structures, connecting them directly to an Ethernet network. This contribution briefly introduces fiber optic and MEMS sensing technologies and will than illustrate their application to structural health monitoring through several examples, including the new I35W bridge in Minneapolis USA, the Ile d’Orléans suspension Bridge in Québec Canada and the shaking-table test of a full-scale masonry building reinforced with composite materials.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,004 |
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 ».