A novel computer vision and point cloud-based approach for accurate structural analysis of a tall irregular timber structure
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
Wood material has been widely used in critical heritage structures such as pagodas, totem poles, and large-scale sculptures. Conducting rigorous structural analysis is crucial to protect these structures in high-seismic regions. Typically, these types of structures are modeled using an equivalent finite element (FE) model which used simple cylinder with a constant cross section equal to the average of the top and bottom cross section. However, simplified equivalent FE models may not accurately consider the irregularities and complexities of these structures. In this paper, advanced computer vision and point cloud techniques were adopted to accurately and rapidly construct a FE model of a 30-meter irregular timber sculpture. This was achieved using video scans, computer vision-aided 3D reconstruction, point cloud processing, and mesh to solid element conversion. The refined FE model was used to conduct capacity check, mesh sensitivity study, pushover analysis, and response spectrum analysis. The results of the refined FE model were compared to an equivalent FE model. The results show: 1) the proposed numerical modeling methodology for structural analysis can efficiently and accurately measure the dimension of the irregular sculpture up to 98.2 % accuracy; 2) the lateral stiffnesses of the 30-meter irregular sculpture vary significantly (up to 42.6 %) from one direction to the other; 3) the equivalent FE model overestimated the shear and moment capacities by 20.6 % and 13.2 %, respectively; 4) on average, the equivalent FE model overestimated the shear and moment demands by 8.9 % and 5.5 %, respectively. Overall, the proposed application has demonstrated a fast, economical and accurate method to conduct seismic evaluation and design for irregular structures.
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 | 0,000 | 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 | 0,000 |
| 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