力学信息自编码器实现未知结构损伤的自动检测与定位
机器学习
2024-07-19 v2 信号处理
摘要
结构健康监测（SHM）确保了建筑物和桥梁等结构的安全性与耐久性。随着结构数量与规模的增加及其失效影响的加剧，迫切需要可扩展、低成本、无需人工干预即可被动运行，且无需复杂基准模型即可针对每种机械结构定制的 SHM 技术。我们提出了 MIDAS，这是一种用于结构损伤自动检测与定位的新型“部署即忘”（deploy-and-forget）方法。它是对来自廉价传感器的全被动测量、数据压缩以及力学信息自编码器的协同整合。一旦部署，MIDAS 将持续学习并适应每种结构的定制基准模型，从其无损状态的响应特征中进行学习。在仅学习 3 小时的数据后，它便能自主检测和定位不同类型的未知损伤。数值模拟与实验结果表明，将力学特性纳入自编码器可使轻微损伤的检测与定位效果相较于标准自编码器提升高达 35%。我们的方法在减少人工干预和检查成本方面具有巨大潜力，同时能够支持主动和预防性维护策略，从而延长土木基础设施的寿命、可靠性和可持续性。
引用
@article{arxiv.2402.15492,
title = {Mechanics-Informed Autoencoder Enables Automated Detection and Localization of Unforeseen Structural Damage},
author = {Xuyang Li and Hamed Bolandi and Mahdi Masmoudi and Talal Salem and Nizar Lajnef and Vishnu Naresh Boddeti},
journal= {arXiv preprint arXiv:2402.15492},
year = {2024}
}