Identification of the Structural State in Automated Modular Construction
Notice bibliographique
Résumé
Identification of the Structural State in Automated Modular Construction Aparna Harichandran, Benny Raphael and Abhijit Mukherjee Pages 187-193 (2019 Proceedings of the 36th ISARC, Banff, Canada, ISBN 978-952-69524-0-6, ISSN 2413-5844) Abstract: Automated construction involves complex interactions between machines and humans. Unless all possible scenarios involving construction and equipment are carefully evaluated, it may lead to failure of the structure or may cause severe accidents. Hence monitoring of automated construction is very important and sensors should be deployed for obtaining information about the actual state of the structure and the equipment. However, interpreting data from sensors is a great challenge. In this research, a methodology has been developed for monitoring in automated construction. The overall methodology involves a combination of traditional model-based system identification and machine learning techniques. The scope of this paper is limited to the machine learning module of the methodology. The efficacy of this approach is tested and evaluated using experiments involving the construction of a steel structural frame with one storey and one bay. The construction is carried out by a top-to-bottom method. During the construction of the frame, 99 base cases of normal operations are involved. 158 base cases of possible failures have been enumerated. Failure cases involve, for example, certain lifting platforms moving faster than others, improper connections of joints, etc. Strain gauges and accelerometers are installed on the structure and the data from these sensors are used to determine possible failure scenarios. Preliminary results indicate that machine learning has good potential for identifying activities and states in automated construction. Keywords: Structural Monitoring, System Identification, Machine Learning, Automated Construction Monitoring DOI: https://doi.org/10.22260/ISARC2019/0026 Download fulltext Download BibTex Download Endnote (RIS) TeX Import to Mendeley
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».