Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "monitoring damage" wg kryterium: Temat


Wyświetlanie 1-2 z 2
Tytuł:
Application of nanomaterials in production of self-sensing concretes: contemporary developments and prospects
Zastosowanie nanomateriałów do wytwarzania betonu zdolnego do autodetekcji uszkodzeń: stan obecny i perspektywy
Autorzy:
Horszczaruk, E.
Sikora, P.
Łukowski, P.
Powiązania:
https://bibliotekanauki.pl/articles/231172.pdf
Data publikacji:
2016
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
monitorowanie stanu technicznego
SHM
beton
autodetekcja
uszkodzenie
nanomateriał
przegląd
structural health monitoring
concrete
self-sensing
damage
nanomaterial
review
Opis:
In the recent years structural health monitoring (SHM) has gathered spectacular attention in civil engineering applications. Application of such composites enable to improve the safety and performance of structures. Recent advances in nanotechnology have led to development of new family of sensors – self-sensing materials. These materials enable to create the so-called “smart concrete” exhibiting self-sensing ability. Application of selfsensing materials in cement-based materials enables to detect their own state of strain or stress reflected as a change in their electrical properties. The variation of strain or stress is associated with the variation in material’s electrical characteristics, such as resistance or impedance. Therefore, it is possible to efficiently detect and localize crack formation and propagation in selected concrete element. This review is devoted to present contemporary developments in application of nanomaterials in self-sensing cement-based composites and future directions in the field of smart structures.
Obiekt budowlany powinien spełniać wymagania bezpieczeństwa, trwałości i niezawodności dla długotrwałego funkcjonowania. Monitorowanie obiektu umożliwia kontrolowanie jego bezpieczeństwa i trwałości w trakcie całego cyklu życia budynku. Wczesne i precyzyjne wykrycie uszkodzeń, powstających w trakcie użytkowania obiektu, może umożliwić właściwe działania prewencyjne i naprawcze oraz utrzymanie nieprzerwanej eksploatacji obiektu. Rozwój innowacyjnych automatycznych systemów monitoringu technicznego konstrukcji - MTK (ang. Structural Health Monitoring, SHM) pozwala na zastąpienie tradycyjnej diagnostyki, opartej na badaniach nieniszczących NDT (ang. non-destructive testing). Podstawową zaletą systemu MTK jest nieprzerwany monitoring stanu obiektu budowlanego, pozwalający na ocenę obciążeń, szybkie wykrywanie zmian i uszkodzeń w badanej strukturze wraz z obserwacją ich rozwoju oraz ocenę zagrożeń z nimi związanych. Ponadto, zastosowanie nowoczesnych technik monitorowania pozwala na znaczną redukcję kosztów spowodowanych okresowymi inspekcjami. Niestety, zastosowanie MTK niesie ze sobą koszty związane z drogą aparaturą pomiarową; wymaga także rozwiązania trudności związanych z niekiedy niewystarczającą trwałością i czułością urządzeń oraz możliwą niekompatybilnością z elementami betonowymi. Niedogodności te przyczyniły się do poszukiwania nowej metody pomiarowej, pozwalającej na przynajmniej częściowe przezwyciężenie niedogodności związanych z klasyczną metodą monitorowania technicznego konstrukcji.
Źródło:
Archives of Civil Engineering; 2016, 62, 3; 61-73
1230-2945
Pojawia się w:
Archives of Civil Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Implementation of digital twin and support vector machine in structural health monitoring of bridges
Autorzy:
Al-Hijazeen, Asseel Za'al Ode
Fawad, Muhammad
Gerges, Michael
Koris, Kálmán
Salamak, Marek
Powiązania:
https://bibliotekanauki.pl/articles/27312162.pdf
Data publikacji:
2023
Wydawca:
Polska Akademia Nauk. Czasopisma i Monografie PAN
Tematy:
monitorowanie stanu konstrukcji
most
uszkodzenie
bliźniak cyfrowy
uczenie maszynowe
maszyna wektorów wsparcia
structural health monitoring
bridge
damage
digital twin
machine learning
support vector machine
Opis:
Structural health monitoring (SHM) of bridges is constantly upgraded by researchers and bridge engineers as it directly deals with bridge performance and its safety over a certain time period. This article addresses some issues in the traditional SHM systems and the reason for moving towards an automated monitoring system. In order to automate the bridge assessment and monitoring process, a mechanism for the linkage of Digital Twins (DT) and Machine Learning (ML), namely the Support Vector Machine (SVM) algorithm, is discussed in detail. The basis of this mechanism lies in the collection of data from the real bridge using sensors and is providing the basis for the establishment and calibration of the digital twin. Then, data analysis and decision-making processes are to be carried out through regression-based ML algorithms. So, in this study, both ML brain and a DT model are merged to support the decision-making of the bridge management system and predict or even prevent further damage or collapse of the bridge. In this way, the SHM system cannot only be automated but calibrated from time to time to ensure the safety of the bridge against the associated damages.
Źródło:
Archives of Civil Engineering; 2023, 69, 3; 31--47
1230-2945
Pojawia się w:
Archives of Civil Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-2 z 2

    Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies