MétaCan
Menu
Retour à la cohorte
Enregistrement W4382936199 · doi:10.23919/acc55779.2023.10156459

Early Crack Localization in Flexible Structures Subjected to Unknown Disturbances Using Sensor-Measurements Only

2023· article· en· W4382936199 sur OpenAlexaff
Abdelrahman Khalil, Khaled F. Aljanaideh, Mohammad Al Janaideh

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueStructural Health Monitoring Techniques
Établissements canadiensUniversity of GuelphMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésTransmissibility (structural dynamics)CantileverBeam (structure)Deflection (physics)Fault detection and isolationFault (geology)Structural engineeringExcitationComputer scienceControl theory (sociology)EngineeringVibrationAcousticsPhysicsOpticsActuatorGeologyArtificial intelligenceElectrical engineering

Résumé

récupéré en direct d'OpenAlex

This paper uses output-only measurements to localize faults within flexible structures. These measurements are used to construct transmissibility operators, which are mathematical models that are independent of the excitation acting on the structure. Faults considered in this paper are formulated as unknown disturbances acting on the underlying structure. The proposed approach is illustrated on a class of flexible cantilever beams, which can be modeled as a connection of finite lumped segments. The output (e.g. deflection of the beam) at one location on the beam can be predicted using a transmissibility operator and the output at a different location on the beam. The discrepancy between the measured and predicted outputs at a specific location on the beam can be used as a fault indicator. If this discrepancy is small, the beam is considered healthy. Any deviation from the healthy conditions of the beam will cause an increase in the transmissibility discrepancy, which indicates a fault. This allows early fault and crack detection even if the fault is not clearly visible to the human eye. The proposed approach can be used online during system operation and is illustrated using a numerical example.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
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 Opus0,063
Tête enseignante GPT0,328
Écart entre enseignants0,265 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetStructural Health Monitoring TechniquesTravaux en français237 207