文献

J-GLOBAL ID：202202213990914572   整理番号：22A0888947

統計的特徴と結合したCNNに基づくブリッジSHMのためのデータ異常検出【JST・京大機械翻訳】

Data Anomaly Detection for Bridge SHM Based on CNN Combined with Statistic Features

著者 (8件)： Zhang Han (School of Reliability and Systems Engineering, Beihang University, Beijing, China) ,  Lin Jing (Science & Technology on Reliability and Environmental Engineering Laboratory, Beihang University, Beijing, China) ,  Hua Jiadong (Science & Technology on Reliability and Environmental Engineering Laboratory, Beihang University, Beijing, China) ,  Hua Jiadong (Advanced Manufacturing Center, Ningbo Institute of Technology, Beihang University, Ningbo, China) ,  Hua Jiadong (State Key Laboratory of Digital Manufacturing Equipment and Technology, Huazhong University of Science and Technology, Wuhan, China) ,  Gao Fei (Science & Technology on Reliability and Environmental Engineering Laboratory, Beihang University, Beijing, China) ,  Gao Fei (Advanced Manufacturing Center, Ningbo Institute of Technology, Beihang University, Ningbo, China) ,  Tong Tong (School of Reliability and Systems Engineering, Beihang University, Beijing, China)
資料名： Journal of Nondestructive Evaluation  (Journal of Nondestructive Evaluation)
巻： 41  号： 1  ページ： 28  発行年： 2022年 
JST資料番号： B0912B  ISSN： 0195-9298  CODEN： JNOED5  資料種別： 逐次刊行物 (A)
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： 近年,長大橋の構造健全性監視が注目されている。正確なモニタリングを達成するために,データ収集の完全性を保証すべきである。残念なことに,これらのデータは,センサ故障,厳しい環境,および他の問題による様々なタイプの異常を含む。データからの異常を同定することは,信頼できるモニタリング結果を確実にするために必須である。機械学習法は,自動的にデータ異常を検出する可能性を有する。しかし,よく形成された畳込みニューラルネットワーク(CNN)モデルは,多数のバランス訓練サンプルと頻繁なチューニングを必要とする。類似の異常パターンが複雑なシステムに存在するとき,同調過程は時間がかかるかもしれない。本論文では,統計特徴と組み合わせたCNNに基づくデータ異常検出法を提案した。最初に,加速データを,訓練セットとしてCNNにダウンサンプリングし,積み重ねて,入力した。CNNモデルを設計,訓練した。中間結果をモデルを通して得た。続いて,統計的特徴を適用して,混乱パターンを解析し,分類した。このフレームワークの新規性は,CNNと統計的特徴の利点を組み合わせ,CNNのみを使用するよりも,データ異常検出をより速く,より正確に実現できることである。ブリッジからの加速度データの結果は,異常データを同定するための提案した方法の有効性を実証した。Copyright The Author(s), under exclusive licence to Springer Science+Business Media, LLC, part of Springer Nature 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *検出 ,  加速度 ,  ニューラルネットワーク ,  長大橋 ,  監視 ,  *同調 ,  データ収集 ,  完全性 ,  有効性 ,  カオス ,  機械学習
準シソーラス用語： 構造ヘルスモニタリング ,  ダウンサンプリング ,  異常検出 ,  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)： データ異常検出 ,  畳込みニューラルネットワーク ,  統計的特徴 ,  構造ヘルスモニタリング ,  長スパン橋

分類 (1件)： 非破壊試験  (HB02030F)

タイトルに関連する用語 (4件)： 統計的特徴 ,  CNN ,  ブリッジ ,  異常検出