view in publisher's site

Using drive-by health monitoring to detect bridge damage considering environmental and operational effects

Drive-by Health Monitoring utilizes accelerometers mounted on vehicles to gather dynamic response data that can be used to continuously evaluate the health of bridges faster and with less equipment than traditional structural health monitoring practices. Because vehicles and bridges create a coupled system, vehicle acceleration data contains information about bridge frequencies that can be used as health indicators. However, for drive-by health monitoring to be viable, variabilities in dynamic measurements caused by environmental and operational parameters, such as temperature, vehicle speed, traffic, and surface roughness need to be considered. In this paper, a finite element model of a simply supported bridge is developed considering the aforementioned variabilities and various levels of structural damage. Vehicle acceleration data obtained from the model is analyzed in the frequency domain and processed using a neural network architecture. This method is used to determine the relationships between noise inducing variables and changes in vehicle dynamic response spectrum; these relationships are leveraged to predict the overall health of the subject bridge. The results from this study indicate that the proposed approach can serve as a viable health monitoring strategy and should be further tested on physical bridge systems. Reproducibility: our code and data are available at [https://github.com/JSybrandt/HighPerformanceBridgeSim].

استفاده از دیسک‌گردان - با نظارت بر سلامتی برای تشخیص آسیب پل به لحاظ اثرات محیطی و عملیاتی

نظارت بر سلامت از accelerometers نصب‌شده بر روی وسایل نقلیه برای جمع‌آوری داده‌های واکنش پویا استفاده می‌کند که می‌تواند برای ارزیابی مداوم سلامت پل‌ها سریع‌تر و با تجهیزات کم‌تر از روش‌های سنتی پایش سلامت سازه‌ای استفاده شود. از آنجا که وسایل نقلیه و پل‌ها یک سیستم کوپل شده ایجاد می‌کنند، داده‌های شتاب وسیله نقلیه حاوی اطلاعاتی درباره فرکانس‌های پل هستند که می توان آن‌ها را به عنوان شاخص‌های بهداشت مورد استفاده قرار داد. با این حال، برای رانندگی - با نظارت بر سلامتی قابل دوام بودن است، بدلیل اینکه اندازه‌گیری‌های دینامیکی ناشی از پارامترهای محیطی و عملیاتی، مانند دما، سرعت وسیله نقلیه، ترافیک و زبری سطح باید در نظر گرفته شود. در این مقاله، یک مدل آلمان محدود از یک پل پشتیبانی شده با توجه به تغییرپذیری بالا و سطوح مختلف آسیب سازه‌ای، توسعه داده می‌شود. داده‌های شتاب وسایل نقلیه به‌دست‌آمده از این مدل در حوزه فرکانس تحلیل و با استفاده از یک معماری شبکه عصبی پردازش می‌شود. این روش برای تعیین رابطه بین متغیرهای تحریک صدا و تغییرات در طیف واکنش دینامیک وسیله استفاده می‌شود؛ این روابط برای پیش‌بینی سلامت کلی پل مورد استفاده قرار می‌گیرد. نتایج این مطالعه نشان می‌دهد که رویکرد پیشنهادی می‌تواند به عنوان یک راهبرد نظارت بر سلامت پایدار عمل کند و باید بیشتر بر روی سیستم‌های پل فیزیکی مورد آزمایش قرار گیرد. reproducibility: کد و داده‌های ما در [ https://github.com/JSybrandt/HighPerformanceBridgeSim]. ] موجود هستند.

ترجمه شده با

Download PDF سفارش ترجمه این مقاله این مقاله را خودتان با کمک ترجمه کنید
سفارش ترجمه مقاله و کتاب - شروع کنید

95/12/18 - با استفاده از افزونه دانلود فایرفاکس و کروم٬ چکیده مقالات به صورت خودکار تشخیص داده شده و دکمه دانلود فری‌پیپر در صفحه چکیده نمایش داده می شود.