DYNAMIC CONCRETE BEAM DEFORMATION MEASUREMNET WITH 3D RANGE CAMERAS
Notice bibliographique
Résumé
Abstract. Concrete beams are used to construct bridges and other structures. Due to the traffic overloading or the decaying state of structures, deformation of bridges or other structures occurs frequently. Therefore, the requirement to measure concrete beam deformation, as integral components of structures, is well recognized. Many imaging techniques such as digital cameras, laser scanners and range cameras have been proven to be accurate and cost-effective methods for large-area measurement of deformation under static loading conditions. However, for obtaining useful information about the behaviour of the beams or monitoring real-time bridge deformation, the ability to measurement deformation under dynamic loading conditions is also necessary. This paper presents a relatively low-cost and high accuracy imaging technique to measure the deformation of concrete beams in response to dynamic loading with range cameras. However, due to the range camera measurement principle, target movement could lead to motion artefacts that degrade range measurement accuracy. The results of simulated and real-data investigation into the motion artefacts show that the lower sampling frequency leads to the more significant motion artefact. The results from real data experiments have indicated that periodic deformation can be recovered with sub-millimetre accuracy when the 3 Hz and 4 mm amplitude target motion is sampled at a rate of least 20 Hz and with 31 MHz range camera modulation frequency. When the modulation frequency is 29 MHz, the best sampling frequency is 20 Hz to keep the error under sub-millimetre.
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 | 0,001 | 0,000 |
| 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 | 0,001 | 0,004 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».