Damage Identification Using Artificial Neural Network-Aided Aimed Multilevel Sampling Method

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26110%2F23%3APU149726" target="_blank" >RIV/00216305:26110/23:PU149726 - isvavai.cz</a>

Výsledek na webu

<a href="http://tces.vsb.cz" target="_blank" >http://tces.vsb.cz</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.35181/tces-2023-0017" target="_blank" >10.35181/tces-2023-0017</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Damage Identification Using Artificial Neural Network-Aided Aimed Multilevel Sampling Method

Popis výsledku v původním jazyce

Structural health monitoring is extremely important for sustaining and preserving the service life of civil structures. Research to identify the damage can detect, locate, quantify and, where appropriate, predict potential structural damage. This paper is about damage identified by non-destructive vibrationbased experiments, which uses the difference between modal frequencies and deflection of an initial and damaged structure. The main objective of this paper is to present a hybrid method for structural damage identification combining artificial neural network and aimed multilevel sampling method. The combination of these approaches yields a more efficient damage identification in terms of time and accuracy of damage localization and damage extent determination

Název v anglickém jazyce

Damage Identification Using Artificial Neural Network-Aided Aimed Multilevel Sampling Method

Popis výsledku anglicky

Structural health monitoring is extremely important for sustaining and preserving the service life of civil structures. Research to identify the damage can detect, locate, quantify and, where appropriate, predict potential structural damage. This paper is about damage identified by non-destructive vibrationbased experiments, which uses the difference between modal frequencies and deflection of an initial and damaged structure. The main objective of this paper is to present a hybrid method for structural damage identification combining artificial neural network and aimed multilevel sampling method. The combination of these approaches yields a more efficient damage identification in terms of time and accuracy of damage localization and damage extent determination

Druh

J_ost - Ostatní články v recenzovaných periodicích

CEP obor

—

OECD FORD obor

20101 - Civil engineering

Projekt

<a href="/cs/project/TM04000012" target="_blank" >TM04000012: Systém pro zjišťování stavu betonových mostů založený na na vzájemné podpoře velkých dat a mechaniky</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2023

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název periodika

Transactions of the VŠB – Technical University of Ostrava, Civil Engineering Series

ISSN

1804-4824

e-ISSN

—

Svazek periodika

23

Číslo periodika v rámci svazku

2

Stát vydavatele periodika

CZ - Česká republika

Počet stran výsledku

6

Strana od-do

61-66

Kód UT WoS článku

—

EID výsledku v databázi Scopus

—