文献

J-GLOBAL ID：202202274340383677   整理番号：22A0627685

深層学習ベース予測モデルを用いた自動構造ボルトゆるみ検出【JST・京大機械翻訳】

Automated structural bolt looseness detection using deep learning-based prediction model

著者 (4件)： Yuan Cheng (Department of Disaster Mitigation for Structures, Tongji University, Shanghai, China) ,  Wang Shuyin (Department of Disaster Mitigation for Structures, Tongji University, Shanghai, China) ,  Qi Yanzhi (Department of Disaster Mitigation for Structures, Tongji University, Shanghai, China) ,  Kong Qingzhao (Department of Disaster Mitigation for Structures, Tongji University, Shanghai, China)
資料名： Structural Control and Health Monitoring  (Structural Control and Health Monitoring)
巻： 29  号： 3  ページ： e2899  発行年： 2022年 
JST資料番号： W2752A  ISSN： 1545-2255  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： インフラにおける最も一般的な結合要素の1つとして,ボルト継手は,全体のシステムの健全性と安全性を確実にする際に,重要な部分を占め,その故障は,壊滅的な結果を引き起こす可能性がある。近年,ボルトゆるみの正確な検出と評価は,多くの研究者の興味を引きつけてきた。しかしながら,既存の方法の信頼性は長期フィールド検出において十分に保証できず,リアルタイムフィードバックはむしろ高価である。本論文では,オーディオ認識と深層学習に基づく新しいボルトゆるみ検出法を提案した。最初に,異なるトルクレベルでボルトのオーディオ信号を収集するために,衝撃実験を設計した。次に,時間領域ボルト衝撃信号をメル周波数スペクトログラムに変換して,畳込みニューラルネットワーク(CNN)を採用して,分類のために画像から深い情報をマイニングした。ボルト継手の振動周波数に及ぼす異なる初期プレストレスレベルの影響をさらに検証するために,3つの異なるプレストレスレベルを考慮して数値研究を行った。結果は,提案方法がボルトゆるみ条件を同定する際に高い認識精度を有することを明らかにした。さらに,音響振動のiOSAPPを実際の応用のために確立した。事前記録および非訓練パーカッションオーディオを用いて,実時間ボルトゆるみ検出をシミュレーションし,実際の将来応用におけるその可能性を示した。Copyright 2022 Wiley Publishing Japan K.K. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 衝撃 ,  安全性 ,  信頼性 ,  *ボルト ,  トルク ,  振動数 ,  音声信号 ,  検出法 ,  オーディオ機器 ,  ボルト継手 ,  インフラストラクチャー ,  プレストレス ,  *予測モデル
準シソーラス用語： 時間領域 ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (4件)： オーディオ分類 ,  ボルトのゆるみ ,  深層学習 ,  リアルタイム検出

分類 (1件)： ファスナ類,締付,し緩,継手  (QB01090V)

タイトルに関連する用語 (4件)： 深層学習 ,  予測モデル ,  ボルト ,  ゆるみ