Vibration-based damage identification for reinforced concrete slab-type structures using fiber-optic sensors and random decrement technique
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This paper presents and evaluates a damage identification system for reinforced concrete (RC) slab-type structures based on non-destructive vibration testing, Random decrement (RD) signal processing technique, and embedded smart network of fiber-optic sensors. The proposed system aims to overcome the challenges associated with the use of electrical sensors and signal processing of noisy dynamic data. Two experimental modal analysis investigations have been conducted. First modal testing focuses on investigating the capability of fiber-optic sensors and Multi-channel random decrement (MCRD) processing technique to locate damage in RC slabs through changes in the first mode shape response with damage. The second modal testing focuses on the detection of damage intensity using the RD technique through the change in frequency and damping dynamic parameters.
 The results show that RD technique can be used effectively to extract the free vibration response of RC slab-type structures; fiber-optic sensors are more sensitive to capture damage severity in comparison to electrical accelerometer sensors, especially, at steel yielding and failure load; MCRD technique can be used effectively to generate mode shapes for RC slabs based on fiber-optic grating FBG sensors measurements. On the other hand, electrical strain gauges were noisy and it was difficult to obtain any measurable data; A damage identification system based on non-destructive vibration testing, MCRD processing technique, and using an embedded smart network of fiber-optic sensors can estimate accurately the damage location through changes in the first mode shape.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 découle