Time‐varying reliability analysis based on hybrid Kalman filtering and probability density evolution
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
Abstract The study introduces a novel approach for time‐varying reliability analysis of structures called “hybrid UKF‐PDEM” by integrating the unscented Kalman filter (UKF) and the probability density evolution method (PDEM). The UKF estimates the displacement, velocity, stiffness, and damping parameters of a structure at each time step subjected to dynamic loading for structural damage quantification. The estimated parameters at each time step are then input into the PDEM to calculate the time‐varying probability density function (PDF) of the estimated states. The estimated PDF is used to update the uncertainty matrix of the estimated states in each iteration and to determine the time‐varying reliability curves of the structure. To demonstrate the effectiveness of the proposed method, we applied it to a numerical model of a three‐degree‐of‐freedom system and a full‐scale seven‐story building with different damage scenarios. The method is used to estimate the level of damage and calculate the corresponding reliability curve of the system over time for each damage scenario, utilizing the estimated structural responses and stiffness values. The extracted reliability values for each damage scenario follow the level of damage over time. This study shows that the newly developed method is computationally efficient for building a digital twin and enables real‐time damage identification and reliability analysis in various structural systems. The method's applicability to different types of structures highlights its versatility and potential for widespread use in assessing the integrity of buildings and infrastructure.
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 | 0,001 | 0,001 |
| 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 | 0,001 |
| 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