文献

J-GLOBAL ID：202202233533835992   整理番号：22A0005598

モデリング不確実性を考慮した損傷同定のための移動学習誘導Bayesモデル更新【JST・京大機械翻訳】

Transfer-learning guided Bayesian model updating for damage identification considering modeling uncertainty

著者 (3件)： Zhang Zhiming (Department of Civil and Environmental Engineering, Louisiana State University, USA) ,  Sun Chao (Department of Civil and Environmental Engineering, Louisiana State University, USA) ,  Guo Beibei (Department of Experimental Statistics, Louisiana State University, USA)
資料名： Mechanical Systems and Signal Processing  (Mechanical Systems and Signal Processing)
巻： 166  ページ： Null  発行年： 2022年 
JST資料番号： T0514A  ISSN： 0888-3270  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： モデリングの不確実性またはモデリング誤差は,構造同定および損傷検出のための構造モデル更新における一つの主要な課題として広く認識されてきた。それは,数値モデルの確立に存在する物理的バイアスのため,実際の構造モデルに収束するのに本質的に無効なモデル更新を与える。本研究は,更新されたモデルが損傷状態を正確に示すことができるように,モデル更新の間のモデリング不確実性の影響を最小化することを目的とする。この目的のために,本研究では,Bayesモデル更新(BMU)をガイドし,構造損傷の同定を監督するためのパターン認識法を適用する方法論を提案した。詳細に,ドメイン適応によって実現した移動学習(TL)技術を用いて,バイアスされた数値モデルと実際の構造の間のギャップを橋渡し,モデル更新プロセスをガイドした。数値的および実験的研究を行って,モデル化誤差が存在するとき,損傷厳しさの同定において,正しい損傷位置およびTL誘導BMUの利点を,従来の方法よりも同定する際の,ドメイン適応の効率を検証した。さらに,本研究は,モデル更新とパターン認識により実現されるモデルベースとデータ駆動構造健全性監視(SHM)の間のギャップを橋渡しするためのドメイン適応の適用を提案した。提案した方法論は,この分野における将来の研究にとって貴重で有益である。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： パターン認識 ,  *学習 ,  *不確実性 ,  Bayes推定 ,  損傷検出
準シソーラス用語： 構造モデル ,  構造ヘルスモニタリング ,  構造同定 ,  *損傷同定 ,  数値モデル ,  モデルベース ,  データ駆動 ,  *Bayes法 ,  構造損傷 ,  *モデル更新 , 【Automatic Indexing@JST】

著者キーワード (6件)： 構造同定 ,  モデル更新 ,  階層的Bayes推論 ,  不確実性のモデリング ,  ドメイン適応 ,  転移学習

分類 (4件)： 振動の励起・発生・測定  (BB02030Z) ,  非破壊試験  (HB02030F) ,  コンクリート構造  (RA04030A) ,  構造力学一般  (HD01000X)

タイトルに関連する用語 (7件)： モデリング ,  不確実性 ,  損傷同定 ,  学習 ,  誘導 ,  Bayesモデル ,  更新