Using High-Rate GPS Data to Monitor the Dynamic Behavior of a Cable-Stayed Bridge
Notice bibliographique
Résumé
This paper presents the results of the first real application, over one cable-stayed bridge, of a research under improvement since 2000 and presents the results of the monitoring of dynamic behavior under traffic load of Hawkshaw Cable-stayed Bridge, in New Brunswick, Canada. This bridge has 2 lanes, with total length of 301.20 m and its main span of 217.32 m is supported by two towers of 36 m of height. Two sessions of 1-hour GPS data have been conducted on the 30th October 2003. For each session, 5 GPS receivers (NOVATEL OEM4- DL4 and TRIMBLE 5700) were used, observing at a data rate of 0.2 seconds; one triaxial accelerometer and one total station. These GPS data were processed and analyzed by using a different method (SCHAAL et al., 2001; 2002; LAROCCA, 2004) that is described below. This method is part of a research in which the main objective is to confirm that GPS can be used as a trustworthy tool for characterizing the dynamic behavior of large structures, such as bridges, footbridges, tall buildings and towers, undergoing dynamic loads. Data analyses of Hawkshaw Bridge trial provide results that confirmed the potentiality of the method. Results presented on this paper agree with international trends in the engineering community. These trends include dynamic testing, monitoring of long span bridges and the dissemination and practice of monitoring systems that provide reliable data analysis and interpretation (SUMITRO, 2001; FARRAR, et al, 1999). This permits that assumptions used in the bridge design are correctly verified by conventional instrumentation and GPS. It is important to mention that there is not previous information about the Hawkshaw Bridge dynamic behavior, according to New Brunswick Department of Transportation.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,004 | 0,001 |
| 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 ».