Real-time drive-by bridge damage detection using deep auto-encoder
Notice bibliographique
Résumé
Structural health condition monitoring of bridge structures has been a concern in the last decades due to their aging and deterioration, in which the core task is damage detection. Recently, the drive-by method has gained much attention as it only needs several sensors installed on the passing vehicle. In this paper, we proposed an automatic damage detection method, which can be exploited in real time when the vehicle is passing the bridge. There are three steps in the proposed method: (1) The vehicle’s framed short-time vibrations instead of full-length data are utilized for training a deep auto-encoder model; at this stage, not commonly used time-domain accelerations of the passing vehicle, but its selected frequency-domain responses are employed to circumvent the influence of noises, (2) For the bridge with unknown health conditions, damage indicators can be extracted from its passing vehicle’s short-time vibration data using the trained model, and (3) The bridge’s health states are determined by real-time extracted damage indicators. To verify the proposed idea, a U-shaped continuous beam and a model truck are used to simulate the vehicle bridge interaction system in engineering. Results showed that the proposed method could identify the bridge’s damage with an accuracy of 86.2% when different severity was considered. In addition, it was observed that higher damage severity could not be revealed by greater values of damage indicators in the laboratory test. Instead, a novel index called identified damage ratios was employed as a reference for assessing the severity of the bridge’s damage. It was shown that with the increase in damage severity, the index would increase and gradually approach 100%.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».