MétaCan
Menu
Retour à la cohorte
Enregistrement W4224134443 · doi:10.1177/13694332221081186

Advances in intelligent long-term vibration-based structural health-monitoring systems for bridges

2022· article· en· W4224134443 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
aboutLe titre ou le résumé porte un signal canadien du lexique géographique.

Notice bibliographique

RevueAdvances in Structural Engineering · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueStructural Health Monitoring Techniques
Établissements canadiensCarleton UniversityUniversité de Moncton
Organismes subventionnairesnon disponible
Mots-clésStructural health monitoringContinuous monitoringComputer scienceData processingIdentification (biology)Instrumentation (computer programming)Real-time computingAutomationSystems engineeringTerm (time)Field (mathematics)Consistency (knowledge bases)Condition monitoringData miningEngineeringControl engineeringArtificial intelligenceDatabase

Résumé

récupéré en direct d'OpenAlex

The true realization of the benefits of vibration based structural health monitoring (VBSHM) in real-world applications is acquired through long-term continuous monitoring so that one can attain a detailed grasp of the behavior of the monitored structure. The challenges in long-term continuous VBSHM include: the large volume of accumulated monitoring data; the effective extraction of engineering information amid the influences of noise and uncertainties embedded in the monitoring data; maintaining continuity and consistency in the long-term monitoring data considering that the system and instrumentation may change due to sensor failure or renewal due to advances in sensing technologies. To meet these challenges, this paper presents recent research that has resulted in the development of a framework and specialized signal processing and data analytic tools for long-term continuous VBSHM suitable for real-world monitoring applications of structures in the field. These include efficient tools for large scale intelligent data processing and analysis, management of monitoring database and extracted information relevant to the structural health of the monitored structure. The novel Automated In-Line Full Space Identification (AI-FSI) method is presented to address the needs and challenges associated with long-term continuous VBSHM, such as the automation of all data processing and analysis operations including modal parameter estimations and mode tracking, and the need of minimizing the measurement and computational uncertainties and variability in the operational modal analysis results. A smart self-diagnostic system for the monitoring of the health of the data collection sensors and monitoring system has also been developed that will allow the consistent use of the monitoring data of different sensor configurations and era in the monitoring project. Examples on the efficiency of analyzing the monitoring data collected over 20 years from the Confederation Bridge monitoring project in Atlantic Canada by using the developed novel framework and data analytic tools are presented.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,110
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,014
Tête enseignante GPT0,316
Écart entre enseignants0,302 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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