Dynamic Load Identification using Optimal Sensor Placement and Dynamic Condensation Methods
Notice bibliographique
Résumé
Knowledge of excitation loads that structures experience during their service life is pivotal in different engineering fields, not only from a structural design optimization point of view but also as prevention of possible damages to the structures themselves. However, in case of dynamic events such as tornadoes, structures subjected to impulsive load due to their vicinity of explosions, the excitation load cannot be directly determined through direct measurements. In these scenarios, the inverse problem is used, and it is called load identification. This type of problem tries to determine the excitation load knowing the system response through a series of sensors placed on the structure. Most of the time, the number of sensors and their locations are randomly selected causing errors in the load estimation. The proposed mathematical method provides the appropriate number of sensors and their optimal locations. It combines the Craig-Brampton condensation method with the normal-mode method and D-optimal design technique. This method is employed and verified on simple structural members such as beams and plates and then it is applied on more complex structures such as a wind-turbine tower, wind-turbine blade, and an aircraft wing, which lead to more complexity in the procedures. Finite element models of these simple and complex structures are made in the general-purpose software ABAQUS. Then, a free-vibration analysis is carried out on each structure and the natural frequencies and mode shapes are extracted. Different load shapes are applied on the structures at different frequencies and noise conditions. The dynamic load is reconstructed by measuring the transient response of the structure at the optimum sensor locations. The results reveal that the proposed method can reconstruct a dynamic load with a high level of accuracy. Furthermore, the implementation of different parameters, such as noise effects, does not cause amplified errors in the final load estimation making the proposed method more robust.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».