结构状态迁移：基于域泛化的土木工程结构状态传递用于结构健康监测
机器学习
2023-01-02 v1 人工智能
摘要
在每座土木结构上部署具有广泛传感装置的结构健康监测（SHM）系统成本高昂且不切实际。已有多种概念被提出以缓解此类困难，例如基于群体的结构健康监测（PBSHM）。然而，文献中呈现的研究未能充分解决获取不同土木结构的不同结构状态（工况）信息的挑战。本文提出一种名为结构状态迁移（SST）的新框架，旨在基于从异质结构获得的信息来估计不同土木结构的响应数据。SST可定义为：在发现并学习异质土木结构源域中的域不变表示后，将一座土木结构的一种状态迁移至另一种状态。SST采用域泛化循环生成（DGCG）模型，从处于两种不同结构工况的数值桥梁结构所获得的加速度数据集中学习域不变表示。换言之，该模型在三个不同的数值桥梁模型上进行测试以迁移其结构工况。通过平均幅度平方相干（MMSC）与模态识别量的评估结果表明，迁移得到的桥梁状态（合成状态）与真实状态高度相似。具体而言，真实与迁移桥梁状态的最小和最大平均MMSC值分别为91.2%和97.1%，固有频率的最小和最大差异分别为5.71%和0%，最小和最大模态保证准则（MAC）值分别为0.998和0.870。本研究对数据稀缺与PBSHM至关重要，因其表明在结构实际处于不同工况或状态时获取其数据是可实现的。
引用
@article{arxiv.2212.14048,
title = {Structural State Translation: Condition Transfer between Civil Structures Using Domain-Generalization for Structural Health Monitoring},
author = {Furkan Luleci and F. Necati Catbas},
journal= {arXiv preprint arXiv:2212.14048},
year = {2023}
}