Bayesian Two-Phase Gamma Process Model for Damage Detection and Prognosis
Notice bibliographique
Résumé
This paper presents a data-driven approach to damage detection and prognosis in the context of structural health monitoring. One of the main issues in dealing with structural damage and degradation is its hidden stochastic nature, which could be gradual or accompanied by sudden changes resulting from shock events. Although gradual degradation could be related to age and operating conditions, shocks could arise from loss of stiffness/connectivity or from impact, resulting in a subsequent change in degradation path. In this paper, a unified degradation modeling approach is presented based on a gamma process, where both gradual degradation and change points caused by shock events are identified in a unified formulation. Because the exact degradation path depends upon both operating and loading conditions, the model parameters are estimated directly from the sensory data using Bayesian inference. In the first step, a degradation indicator is calculated based on time-series modeling, which is then used together with a multivariate Hotelling’s p control chart for damage detection. In the next step, the degradation indicator forms an input to a gamma process degradation model (single- or two-phase gamma process), which enables damage prognosis using time-series model parameters as surrogates. The advantage of this approach is the ability to detect change points and changes to the degradation path using a purely data-driven approach without the need for experimental failure data. The model parameters and prognosis estimates can be updated with the availability of monitoring data, which makes it a powerful tool for damage detection and prognosis in long-term condition-monitoring settings. A numerical example is presented to illustrate the overall process using simulated vibration data and highlight the potential advantages of using this methodology.
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 | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».