文献

J-GLOBAL ID：202202234744655509   整理番号：22A0477798

FEMと1D-CNNを統一する構造損傷検出のためのハイブリッド方法論:典型的な高パイル岸壁に関する実証【JST・京大機械翻訳】

A hybrid methodology for structural damage detection uniting FEM and 1D-CNNs: Demonstration on typical high-pile wharf

著者 (6件)： Zhou Yujue (Department of Civil Engineering, Sanming University, Sanming 365004, PR China) ,  Zhou Yujue (Department of Hydraulic Engineering, Civil Engineering College, Tongji University, Shanghai 200092, PR China) ,  Zheng Yonglai (Department of Hydraulic Engineering, Civil Engineering College, Tongji University, Shanghai 200092, PR China) ,  Liu Yongcheng (Department of Hydraulic Engineering, Civil Engineering College, Tongji University, Shanghai 200092, PR China) ,  Pan Tanbo (Department of Hydraulic Engineering, Civil Engineering College, Tongji University, Shanghai 200092, PR China) ,  Zhou Yubao (Faculty of Civil Engineering and Geosciences, Delft University of Technology, Delft 2600AA, Netherlands)
資料名： Mechanical Systems and Signal Processing  (Mechanical Systems and Signal Processing)
巻： 168  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： 振動ベースの構造損傷検出(SDD)は,数十年にわたる大きな土木構造物のための構造健全性監視(SHM)における強い研究の主題であった。従来のSDD手法の性能は,主に損傷特性と分類器の合理的選択に依存する。手作業の特徴または固定分類器は,すべての構造的損傷シナリオの最適選択ではない。本論文は,有限要素モデリングと1D畳み込みニューラルネットワーク(CNN)の組合せを用いた高杭 w基礎のための,新規で,迅速で正確なリアルタイムSDDフレームワークを提案した。この方法の明確な利点は,直接かつ自動的に生変位応答から損傷関連特徴を抽出することにあり,データ処理が単純な1D操作のみを含むので,コンパクト1D CNNの計算複雑性は著しく低い。結果は,提示した1D CNNsがリアルタイムで損傷の発生と位置を正確に同定する優れた能力を有することを示した。さらに,成分形式における変位応答データセットによって訓練されたCNNの包括的性能は,絶対値形式におけるデータセットに基づくものより,かなり良かった。また,結果は,提案したCNNは,高杭 w構造の縦方向および横方向変位応答に敏感であるが,垂直成分は,CNNの一般化およびロバスト性の改善に,まだプラスの効果を持つことを示した。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： *係船岸 ,  計算量 ,  土木構造物 ,  データ処理 ,  *一次元 ,  絶対値 ,  ロバスト性 ,  *損傷検出
準シソーラス用語： 構造ヘルスモニタリング ,  横方向変位 ,  有限要素モデリング ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (7件)： 高パイル岸壁 ,  パイル基礎 ,  振動 ,  構造ヘルスモニタリング ,  構造損傷検出 ,  有限要素モデリング ,  1D畳込みニューラルネットワーク

分類 (2件)： 建築物の維持・管理  (RB01020X) ,  コンクリート構造  (RA04030A)

タイトルに関連する用語 (8件)： FEM ,  1D ,  CNN ,  損傷検出 ,  方法論 ,  パイル ,  岸壁 ,  実証