Informacja

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

Wyszukujesz frazę "structural damage identification" wg kryterium: Temat


Wyświetlanie 1-4 z 4
Tytuł:
Identification of Delamination in Composite Beams using the Fractal Dimension-Based Damage Identification Algorithm
Autorzy:
Katunin, A.
Zuba, M.
Powiązania:
https://bibliotekanauki.pl/articles/97977.pdf
Data publikacji:
2017
Wydawca:
Sieć Badawcza Łukasiewicz - Instytut Lotnictwa
Tematy:
structural damage identification
fractal dimension
non-destructive testing
composite structures
delamination
Opis:
Damage detection and identification is one of the most important tasks of proper operation of technical objects and structures. It is, therefore, essential to develop efficient and sensitive methods of early damage detection. Delamination is the type of damage occurring in laminated composites that is one of the most dangerous and most difficult to detect. In this paper, the computational study was performed on the numerical data of the modal shapes of laminated composite beams with simulated delaminations in order to detect them using a fractal dimension-based approach. The obtained results allowed for improvement of detection accuracy as compared to previously applied wavelet-based approach. An additional benefit was decreasing the computational time. Basing on the obtained results it is reasonable to consider the presented approach as a promising alternative to currently applied signal processing methods used for supporting nondestructive testing of structures.
Źródło:
Fatigue of Aircraft Structures; 2017, 9; 5-16
2081-7738
2300-7591
Pojawia się w:
Fatigue of Aircraft Structures
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Scalar and vector time series methods for vibration based damage diagnosis in a scale aircraft skeleton structure
Skalarne i wektorowe szeregi czasowe w diagnostyce uszkodzeń opartej na analizie drgań na przykładzie modelu szkieletu samolotu
Autorzy:
Kopsaftopoulos, F. P.
Fassois, S. D
Powiązania:
https://bibliotekanauki.pl/articles/279265.pdf
Data publikacji:
2011
Wydawca:
Polskie Towarzystwo Mechaniki Teoretycznej i Stosowanej
Tematy:
structural health monitoring (SHM)
damage detection
damage identification
Opis:
A comparative assessment of several scalar and vector statistical time series methods for vibration based Structural Health Monitoring (SHM) is presented via their application to a laboratory scale aircraft skeleton structure in which different damage scenarios correspond to the loosening of different bolts. A concise overview of scalar and vector methods, that is methods using scalar or vector signals, statistics, and corresponding models, is presented. The methods are further classified as nonparametric or parametric and response-only or excitation-response. The effectiveness of the methods for both damage detection and identification is assessed via various test cases corresponding to different damage scenarios. The results of the study reveal various facets of the methods and confirm the global damage diagnosis capability and the effectiveness of both scalar and vector statistical time series methods for SHM.
W pracy zawarto analizę porównawczą kilku skalarnych i wektorowych statystycznych szeregów czasowych stosowanych w technikach monitorowania stanu konstrukcji (SHM) na podstawie ich skuteczności w zastosowaniu do wykrywania uszkodzeń szkieletowej struktury laboratoryjnego modelu samolotu dla różnych scenariuszy uszkodzeń wywołanych poluzowaniem połączeń śrubowych. Zaprezentowano krótki przegląd skalarnych i wektorowych metod analizy, tj. bazujących na skalarnych i wektorowych sygnałach i statystykach, oraz odpowiadające im modele. Metody te sklasyfikowano jako nieparametryczne i parametryczne oraz oparte wyłącznie na informacji o odpowiedzi dynamicznej układu lub relacji pomiędzy wymuszeniem i odpowiedzią. Efektywność rozważanych metod oceniono na podstawie kilku eksperymentalnych przypadków badawczych odpowiadających różnym scenariuszom uszkodzeń modelu. Wyniki badań ujawniły różne aspekty zastosowanych technik analizy i potwierdziły przydatność skalarnych i wektorowych szeregów czasowych w diagnostyce i monitorowaniu stanu konstrukcji (SHM).
Źródło:
Journal of Theoretical and Applied Mechanics; 2011, 49, 3; 727-756
1429-2955
Pojawia się w:
Journal of Theoretical and Applied Mechanics
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Identification of building damage using ARMAX model: a parametric study
Autorzy:
Saaed, T. E.
Nikolakopoulos, G.
Powiązania:
https://bibliotekanauki.pl/articles/327280.pdf
Data publikacji:
2016
Wydawca:
Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
Tematy:
structural identification
damage detection
non-destructive evaluation
ARMAX model
structural dynamic
identyfikacja strukturalna
detekcja uszkodzeń
badania nieniszczące
dynamika strukturalna
model ARMAX
Opis:
The Structural Identification approach is used to identify and localize the existence of damage for a steel frame. The black box linear parametric model called Auto-Regressive Moving Average with eXternal input (ARMAX) was utilized for the construction of the Frequency Response Functions, based on simulation results. The Singular Value Decomposition method was adopted to identify how many significant eigenvalues exist and plot the Complex Mode Indicator Function for the complete frame. Three damage indices were adopted to evaluate the state of damage in the frame. The results indicated that the ARMAX is a robust scheme for structural damage detection.
Źródło:
Diagnostyka; 2016, 17, 3; 3-14
1641-6414
2449-5220
Pojawia się w:
Diagnostyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
A BIM technology-based underwater structure damage identification and management method
Autorzy:
Li, Xiaofei
Su, Rongrong
Cheng, Peng
Sun, Heming
Meng, Qinghang
Song, Taiyi
Wei, Mengpu
Zhang, Chen
Powiązania:
https://bibliotekanauki.pl/articles/2204531.pdf
Data publikacji:
2023
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
building information modeling
underwater structural disease
damage identification
deep learning
modelowanie informacji o budynku
identyfikacja uszkodzeń
uczenie głębokie
uszkodzenie podwodnej konstrukcji
Opis:
With the continuous development of bridge technology, the condition assessment of large bridges has gradually attracted attention. Structural Health Monitoring (SHM) technology provides valuable information about a structure's existing health, keeping it safe and uninterrupted use under various operating conditions by mitigating risks and hazards on time. At the same time, the problem of bridge underwater structure disease is becoming more obvious, affecting the safe operation of the bridge structure. It is necessary to test the bridge’s underwater structure. This paper develops a bridge underwater structure health monitoring system by combining building information modeling (BIM) and an underwater structure damage algorithm. This paper is verified by multiple image recognition networks, and compared with the advantages of different networks, the YOLOV4 network is used as the main body to improve, and a lightweight convolutional neural network (Lite-yolov4) is built. At the same time, the accuracy of disease identification and the performance of each network are tested in various experimental environments, and the reliability of the underwater structure detection link is verified.
Źródło:
Bulletin of the Polish Academy of Sciences. Technical Sciences; 2023, 71, 2; art. no. e144602
0239-7528
Pojawia się w:
Bulletin of the Polish Academy of Sciences. Technical Sciences
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-4 z 4

    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