STRUCTURAL 3D MONITORING USING A NEW SINUSOIDAL FITTING ADJUSTMENT
Notice bibliographique
Résumé
Abstract. Digital photogrammetric systems combined with image processing techniques have been used for structural monitoring purposes for more than a decade. For applications requiring sub-millimetre level precision, the use of off-the-shelf DSLR cameras is a suitable choice, especially when the low cost of the involved sensors is a priority. The disadvantage in the use of entry level DSLRs is that there is a trade-off between frame rate and burst rate – a high frame rate is either not available or it cannot be sustained long enough. This problem must be overcome when monitoring a structural element undergoing a dynamic test, where a range of loads are cycled through multiple times a second. In order to estimate deflections during such a scenario, this paper proposes a new least-squares adjustment for sinusoidal fitting. The new technique is capable of processing multiple back-to-back bursts of data within the same adjustment, which synthetically increases the de-facto temporal resolution of the system. The paper describes a beam deformation test done in a structures laboratory. The experimental results were assessed in terms of both their precision and accuracy. The new method increased the effective sampling frequency three-fold, which improved the standard deviations of the estimated parameters with up to two orders of magnitude. A residual RMSE as low as 30 μm was attained, and likewise the RMSE of the computed amplitudes between the photogrammetric system and the control laser transducers was as small as 34 μm.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 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) | 0,002 | 0,001 |
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 ».