Narzędzia help

Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
first previous
cannonical link button

http://yadda.icm.edu.pl:80/baztech/element/bwmeta1.element.baztech-a14f7bbd-7731-4013-8fea-3fa8f45f50fb

Czasopismo

Czasopismo Inżynierii Lądowej, Środowiska i Architektury

Tytuł artykułu

Detekcja uszkodzeń na przykładzie dwukondygnacyjnej ramy portalowej z wykorzystaniem sztucznych sieci neuronowych

Autorzy Ziaja, D.  Miller, B. 
Treść / Zawartość http://www.oficyna.portal.prz.edu.pl/pl/zeszyty-naukowe/czasopismo-inzynierii-ladowej-s/
Warianty tytułu
EN Damage detection on the example of two-storey portal frame with using artificial neural network
Języki publikacji PL
Abstrakty
PL Detekcja uszkodzeń konstrukcji jest jednym z elementów monitorowania stanu konstrukcji, prężnie rozwijającej się dziedziny mającej na celu zwiększenie bezpieczeństwa użytkowania obiektu i minimalizację kosztów jego eksploatacji. W artykule przedstawiono wyniki detekcji uszkodzeń stalowej, dwukondygnacyjnej ramy portalowej z wykorzystaniem analizy parametrów dynamicznych układu (częstotliwości i form drgań). Podstawę rozważań stanowiły dane pomiarowe uzyskane dla różnego rodzaju uszkodzeń węzłów. Dla badanej ramy dokonano analizy zmienności parametrów dynamicznych w zależności od tego, czy uszkodzenie węzła wystąpiło czy nie. Jako narzędzie umożliwiające klasyfikację wzorców zastosowano jednowarstwowe, jednokierunkowe sieci neuronowe. W opracowaniu zaprezentowano wyniki dla sieci neuronowych o różnej architekturze oraz przy zróżnicowanym podziale na zbiory uczące i testujące.
EN Detection of structural damage is one of the elements of structural health monitoring, a rapidly developing area aimed at improving the reliability and minimize the construction maintenance costs. The article presents the results of damage detection of a steel, two-storey portal frame using dynamic parameters analysis (modal frequencies and forms). Considerations, based on the measurement data, were obtained for various kinds of beam-to-column connection failure. As a tool for classification feed-forward backpropagation neural networks with one hidden layer were used. The paper presents the results obtained from neural networks of various architectures and with varying division into learning and testing data sets.
Słowa kluczowe
PL monitorowanie stanu konstrukcji   SHM   sztuczna sieć neuronowa  
EN structural health monitoring   SHM   artificial neural networks  
Wydawca Oficyna Wydawnicza Politechniki Rzeszowskiej
Czasopismo Czasopismo Inżynierii Lądowej, Środowiska i Architektury
Rocznik 2016
Tom z. 63, nr 3
Strony 579--588
Opis fizyczny Bibliogr. 6 poz., tab., wykr.
Twórcy
autor Ziaja, D.
  • Politechnika Rzeszowska, al. Powstańców Warszawy 12, 35-959 Rzeszów, tel. (0-17)8651618, dziaja@prz.edu.pl
autor Miller, B.
Bibliografia
[1] Lewandowski R.:, Dynamika konstrukcji budowlanych, Politechnika Poznańska, Poznań 2006.
[2] Wilde K.: Modal Diagnostics Of Civil Engineering Structures, Gdańsk University of Technology Publishers, Gdańsk 2008.
[3] Waszczyszyn Z.: Artificial neural networks in civil engineering: another five years of research in Poland, Computer Assisted Mechanics and Engineering Sciences, nr 18, 2011, s. 131–146.
[4] Nazarko P., Ziemiański L.: Application of artificial neural networks in the damage identification of structural elements, Computer Assisted Mechanics and Engineering Sciences, nr 18, 2011, s. 175–189.
[5] LMS Test.Lab, The LMS Test.Lab Spectral Testing manual, LMS International 2009.
[6] Haykin S.: Neural Networks: a Comprehensive Foundation, Prentice Hall International, Inc., 2nd ed.,1999.
Uwagi
Opracowanie ze środków MNiSW w ramach umowy 812/P-DUN/2016 na działalność upowszechniającą naukę (zadania 2017)
Kolekcja BazTech
Identyfikator YADDA bwmeta1.element.baztech-a14f7bbd-7731-4013-8fea-3fa8f45f50fb
Identyfikatory
DOI 10.7862/rb.2016.242