文献

J-GLOBAL ID：201802239236374313   整理番号：18A0380289

一次元畳込みニューラルネットワークを用いた実時間振動に基づく構造損傷検出【Powered by NICT】

Real-time vibration-based structural damage detection using one-dimensional convolutional neural networks

著者 (5件)： Abdeljaber Osama (Department of Civil and Architectural Engineering, Qatar University, Doha, Qatar) ,  Avci Onur (Department of Civil and Architectural Engineering, Qatar University, Doha, Qatar) ,  Kiranyaz Serkan (Department of Electrical Engineering, Qatar University, Doha, Qatar) ,  Gabbouj Moncef (Department of Signal Processing, Tampere University of Technology, Tampere, Finland) ,  Inman Daniel J. (Department of Aerospace Engineering, University of Michigan, Ann Arbor, MI, USA)
資料名： Journal of Sound and Vibration  (Journal of Sound and Vibration)
巻： 388  ページ： 154-170  発行年： 2017年 
JST資料番号： H0503A  ISSN： 0022-460X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 構造ヘルスモニタリング(SHM)と振動ベース構造損傷検出は,ここ数十年間土木,機械および航空宇宙技術者のための連続注目されてきた。初期及び詳細な損傷検出は常にSHM応用の主要な目的の一つとなっている。古典的損傷検出システムの性能は主に特徴と分類器の選択に依存する。固定と手作りの特徴は,特定の構造のための準最適選択であるまたは他の構造の性能の同じレベルを達成できないかもしれないが,それらは通常実時間構造損傷検出のためのそれらの使用を妨げる可能性がある大きな計算能力を必要とする。本論文では,特徴抽出と分類ブロックの両方を融合単一およびコンパクトな学習体に固有の適応設計を有する1D畳込みニューラルネットワーク(CNN)を用いた新規,迅速で正確な構造損傷検出システムを提案した。提案した方法は,リアルタイムでの損傷の振動ベース損傷検出および局所化を行った。この手法の利点は,未加工の加速度信号から自動的に最適損傷感受性特徴を抽出するためにその能力である。観覧席シミュレータ上で実施された大規模な実験は,優れた性能を明らかにし,提案したリアルタイム損傷検出法の計算効率を検証した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 感受性 ,  学習 ,  *ニューラルネットワーク ,  *損傷検出 ,  シミュレータ ,  一次元 ,  技術者 ,  特徴抽出
準シソーラス用語： 計算効率 ,  局在化 ,  *構造損傷 ,  検知システム ,  構造ヘルスモニタリング ,  *実時間 ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： 振動 ,  構造健全性モニタリング ,  構造損傷検出 ,  ニューラルネットワーク ,  畳込みニューラルネットワーク

分類 (1件)： 非破壊試験  (HB02030F)

タイトルに関連する用語 (3件)： 畳込みニューラルネットワーク ,  実時間 ,  損傷検出