PL
|
EN
Szukaj
Przeglądaj
Pomoc
O bazie
test
Ograniczanie wyników
Czasopisma
1
Bulletin of the Polish Academy of Sciences. Technical Sciences
Autorzy
1
Lorenzana Antolín
1
Magdaleno Álvaro
1
Peláez-Rodríguez César
1
Salcedo-Sanz Sancho
Lata
1
2023
Preferencje
Polski
English
Język
Widoczny
[Schowaj]
Abstrakt
10
20
50
100
Liczba wyników
Znaleziono wyników: 1
Liczba wyników na stronie
10
20
50
100
Strona
/ 1
Wyniki wyszukiwania
Wyszukiwano:
w słowach kluczowych: sieć neuronowa iteracyjna
Sortuj według:
trafności
tytułu publikacji
daty malejąco
daty rosnąco
tytułu czasopisma
nazwiska pierwszego autora
Ogranicz wyniki do:
we wszystkich polach
w tytułach publikacji
w tytułach czasopism
w nazwiskach autorów
w słowach kluczowych
w cytowaniach
Strona
/ 1
1
Dostęp do pełnego tekstu lokalnie
Human-induced force reconstruction using a non-linear electrodynamic shaker applying an iterative neural network algorithm
Peláez-Rodríguez César
,
Magdaleno Álvaro
,
Salcedo-Sanz Sancho
,
Lorenzana Antolín
Bulletin of the Polish Academy of Sciences. Technical Sciences
|
2023
|
Vol. 71, nr 3
art. no. e144615
EN
An iterative neural network framework is proposed in this paper for the human-induced Ground Reaction Forces (GRF) replication with an inertial electrodynamic mass actuator (APS 400). This is a first approach to the systematization of dynamic load tests on structures in a purely objective, repeatable and pedestrian-independent basis. Therefore, an inversion-free offline algorithm based on Machine Learning techniques has been applied for the first time on an electrodynamic shaker, without requiring its inverse model to tackle the inverse problem of successful force reconstruction. The proposed approach aims to obtain the optimal drive signal to minimize the error between the experimental shaker output and the reference force signal, measured with a pair of instrumented insoles (Loadsol©) for human bouncing at different fre- quencies and amplitudes. The optimal performance, stability and convergence of the system are verified through experimental tests, achieving excellent results in both time and frequency domain.
Strona
/ 1
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.