.png){kind=icon}
返回
ADACTA-Advanced component analysis technique for damage detection
.png){kind=icon}
PRE
AI
DOI：10.1177/14759217251326599.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在结构健康监测（SHM）中，无模型方法与盲源分离（BSS）的结合为损伤检测提供了强大的组合。无模型方法无需依赖预定义的结构模型，提供了灵活性和适应性，特别是在处理复杂结构或具有演变特性的结构时。此外，BSS特别适用于从混合信号中分离个体源，即使在噪声环境中也是如此。在此背景下，本研究提出ADACTA（高级成分分析，ADvAnced ComponenT Analysis），一种结合主成分分析（PCA）和独立成分分析（ICA）能力的SHM方法。首先，采用PCA进行数据归一化和降维；然后，ICA强调损伤诱导的振动特征。PCA和ICA共同提供了一种稳健的组合以提取可靠的损伤敏感特征：PCA简化数据，而ICA确保分离信号最佳地代表潜在的结构变化，这在当前工作中已得到数学证明。引入适当的指标（即城市街区距离和皮尔逊相关系数）来量化不同时间间隔获取的信号之间的距离，作为损伤指标。该技术可用于检测早期损伤，允许检验引入的损伤指标的时程演变。ADACTA方法已在Z24桥梁数据库上进行了测试，证明了其在实际结构中改进早期损伤检测的潜力。
Keyword:
Structural health monitoring
damage detection
principal component analysis
independent component analysis
damage indicators
damage-sensitive features
期刊
S
IF:
5.7
论文数:
2.3K
被引数:
1.1W
机构
引用论文
Effective Identification and Localization of Single and Multiple Breathing Cracks in Beams under Gaussian Excitation Using Time-Domain Analysis.png)
Mathematics
OAAI
MathematicsIF0
OAAI分享收藏Real-Time Unsupervised Detection of Early Damage in Railway Bridges Using Traffic-Induced Responses基于交通激励响应的铁路桥梁早期损伤实时无监督检测OAAI
OAAI分享收藏
分享收藏
查看更多内容