文献

J-GLOBAL ID：202202261697418979   整理番号：22A1052537

振動データを使用したグラフ畳込みネットワークに基づく構造損傷検出フレームワーク【JST・京大機械翻訳】

Structural damage detection framework based on graph convolutional network directly using vibration data

著者 (5件)： Dang Viet-Hung (Faculty of Building and Industrial Construction, Hanoi University of Civil Engineering, Viet Nam) ,  Vu Tien-Chuong (Faculty of Building and Industrial Construction, Hanoi University of Civil Engineering, Viet Nam) ,  Nguyen Ba-Duan (Faculty of Building and Industrial Construction, Hanoi University of Civil Engineering, Viet Nam) ,  Nguyen Quang-Huy (Faculty of Building and Industrial Construction, Hanoi University of Civil Engineering, Viet Nam) ,  Nguyen Tien-Dung (Faculty of Building and Industrial Construction, Hanoi University of Civil Engineering, Viet Nam)
資料名： Structures  (Structures)
巻： 38  ページ： 40-51  発行年： 2022年 
JST資料番号： W3039A  ISSN： 2352-0124  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： 本研究では,手操作特徴を必要とせずに振動データを直接用いて,構造損傷検出(SDD)のためのg-SDDLと呼ぶ,新規で高精度でロバストなフレームワークを開発した。従来の構造健全性監視手法は,高精度な結果を達成するために,振動信号を前処理するための高度な技術とドメイン専門知識を必要とするが,これはリアルタイムモニタリングタスクを実行する可能性を損なう可能性がある。したがって,振動データを直接利用することは,本研究の中心主題であるこの野心的目標に向けて新しい経路を開く研究方向の一つである。振動データを効果的に利用するために,センサ位置の固有空間相関と基礎振動信号パターンを抽出するための畳み込み操作を捉えるためにグラフニューラルネットワークを利用した。さらに,複数のg-SDDLモデルを,多重損傷シナリオに取り組むために一緒に積み重ねることができる。提案した手法の実行可能性を,1D連続コンクリート梁から2D骨組構造への複雑さの増加および文献からの実験データベースへの3つの事例研究により定量的に実証した。多重損傷シナリオでも90%以上の高い損傷検出精度が得られた。さらに,g-SDDLの性能およびロバスト性を,比較,ノイズ注入およびパラメトリック研究を通して調査した。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： 雑音 ,  *振動 ,  *畳込み ,  データベース ,  *ネットワーク ,  ニューラルネットワーク ,  多重化 ,  二次元 ,  一次元 ,  事例研究 ,  *損傷 ,  ロバスト性 ,  *損傷検出
準シソーラス用語： コンクリート梁 ,  振動信号 , 【Automatic Indexing@JST】

著者キーワード (5件)： 構造損傷検出 ,  深層学習 ,  グラフニューラルネットワーク ,  振動 ,  数値シミュレーション

分類 (3件)： 橋梁の破壊,保守,その他  (RC06080X) ,  構造動力学  (HD02000E) ,  建築物の維持・管理  (RB01020X)

タイトルに関連する用語 (4件)： グラフ ,  畳込み ,  損傷検出 ,  フレームワーク