文献

J-GLOBAL ID：202002269012879692   整理番号：20A0804981

1D CNNを用いた構造健全性モニタリングのための非パラメトリック振動ベース損傷検出技術【JST・京大機械翻訳】

Nonparametric Vibration Based Damage Detection Technique for Structural Health Monitoring Using 1D CNN

著者 (4件)： Sarawgi Yash (BITS, Pilani, Pilani, India) ,  Somani Shivam (BITS, Pilani, Pilani, India) ,  Chhabra Ayushmaan (BITS, Pilani, Pilani, India) ,  Dhiraj (CSIR-CEERI, Pilani, India)
資料名： Communications in Computer and Information Science  (Communications in Computer and Information Science)
巻： 1147  ページ： 146-157  発行年： 2020年 
JST資料番号： W5071A  ISSN： 1865-0929  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 構造ヘルスモニタリング(SHM)は,構成材料の「状態」の診断,異なる部品,全体としての構造物の完全組立を目的としている。連続リアルタイム診断は,構造の最適使用,最小化ダウンタイム,および壊滅的故障の回避を可能にする。本論文では,SHMのための1次元畳込みニューラルネットワーク(CNN)アプローチを提案した。これは人間の関与を最小化し,安全性と信頼性を改善することができる。フェーズI-AISCベンチマーク構造の解析のために実験パイプラインを設計した。パイプラインは,最初のフェーズが構造における損傷のタイプに基づく振動データのマルチクラス分類を含む4つのフェーズベースの解析から成った。構造のすべてのノードに対して96.11%の平均精度が得られた。第二相は,モデルを訓練するために最大損傷と非損傷データを使用し,異なるタイプの損傷パターンに対する訓練モデルを試験することにより,構造における全体的損傷のレベルを計算する。得られた結果は,損傷の確率(PoD)パラメータを用いて,損傷の事例を増加させるためのパターンを正確に検出した。第三相を用いて,異なるノードに対する損傷局所化を図化した。最初の3つのフェーズは,各ノードが独立に訓練されたモデルを持つ分散型SHMアプローチを使用し,一方,4番目のアプローチでは,仮説ごとに,構造の任意のノードから得られたデータに対する損傷または非損傷状態を予測するために,一つの仮説を作成した。仮説は,得られた分類(PoC)値の約97.89%の確率で正しく証明された。Copyright Springer Nature Singapore Pte Ltd. 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 故障 ,  信頼性 ,  *一次元 ,  停止時間 ,  ベンチマーク ,  *損傷検出
準シソーラス用語： *構造ヘルスモニタリング ,  局在化 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (4件)： 1次元CNN ,  構造ヘルスモニタリング ,  分類の確率 ,  損傷の確率

分類 (3件)： 非破壊試験  (HB02030F) ,  建築物の維持・管理  (RB01020X) ,  構造力学一般  (HD01000X)

タイトルに関連する用語 (4件)： 1D ,  CNN ,  構造健全性モニタリング ,  損傷検出