Neural network based damage detection of dynamically loaded structures
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26110%2F09%3APU85960" target="_blank" >RIV/00216305:26110/09:PU85960 - isvavai.cz</a>
Výsledek na webu
—
DOI - Digital Object Identifier
—
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Neural network based damage detection of dynamically loaded structures
Popis výsledku v původním jazyce
The aim of the paper is to describe a methodology of damage detection which is based on artificial neural networks in combination with stochastic analysis. The damage is defined as a stiffness reduction (bending or torsion) in certain part of a structure. The key stone of the method is feed-forward multilayer network. It is impossible to obtain appropriate training set for real structure in usage, therefore stochastic analysis using numerical model is carried out to get training set virtually. Due to possible time demanding nonlinear calculations the effective simulation Latin Hypercube Sampling is used here. The important part of identification process is proper selection of input information. In case of dynamically loaded structures their modal properties seem to be proper input information as those are not dependent on actual loading (traffic, wind, temperature). The methodology verification was carried out using laboratory beam.
Název v anglickém jazyce
Neural network based damage detection of dynamically loaded structures
Popis výsledku anglicky
The aim of the paper is to describe a methodology of damage detection which is based on artificial neural networks in combination with stochastic analysis. The damage is defined as a stiffness reduction (bending or torsion) in certain part of a structure. The key stone of the method is feed-forward multilayer network. It is impossible to obtain appropriate training set for real structure in usage, therefore stochastic analysis using numerical model is carried out to get training set virtually. Due to possible time demanding nonlinear calculations the effective simulation Latin Hypercube Sampling is used here. The important part of identification process is proper selection of input information. In case of dynamically loaded structures their modal properties seem to be proper input information as those are not dependent on actual loading (traffic, wind, temperature). The methodology verification was carried out using laboratory beam.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
JM - Inženýrské stavitelství
OECD FORD obor
—
Návaznosti výsledku
Projekt
Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)
Ostatní
Rok uplatnění
2009
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název statě ve sborníku
11th International Conference on Engineering Applications of Neural Networks (EANN 2009)
ISBN
978-3-642-03968-3
ISSN
—
e-ISSN
—
Počet stran výsledku
10
Strana od-do
—
Název nakladatele
Neuveden
Místo vydání
London, UK
Místo konání akce
London
Datum konání akce
27. 8. 2009
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
—