論文の概要: Damage-sensitive and domain-invariant feature extraction for vehicle-vibration-based bridge health monitoring

• arxiv url: http://arxiv.org/abs/2002.02105v1
• Date: Thu, 6 Feb 2020 05:45:39 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-03 13:23:03.421203
• Title: Damage-sensitive and domain-invariant feature extraction for vehicle-vibration-based bridge health monitoring
• Title（参考訳）: 車両振動型橋梁健康モニタリングのための損傷感応および領域不変特徴抽出
• Authors: Jingxiao Liu, Bingqing Chen, Siheng Chen, Mario Berges, Jacobo Bielak, HaeYoung Noh
• Abstract要約: 本稿では,車両の加速度応答データから損傷感受性・領域不変性(DS&DI)特徴を抽出する物理誘導信号処理手法を提案する。 この特徴は,6つの実験のうち5つの実験において,橋梁にまたがる最高の損傷および局所化結果を提供する。
• 参考スコア（独自算出の注目度）: 25.17078512102496
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We introduce a physics-guided signal processing approach to extract a damage-sensitive and domain-invariant (DS & DI) feature from acceleration response data of a vehicle traveling over a bridge to assess bridge health. Motivated by indirect sensing methods' benefits, such as low-cost and low-maintenance, vehicle-vibration-based bridge health monitoring has been studied to efficiently monitor bridges in real-time. Yet applying this approach is challenging because 1) physics-based features extracted manually are generally not damage-sensitive, and 2) features from machine learning techniques are often not applicable to different bridges. Thus, we formulate a vehicle bridge interaction system model and find a physics-guided DS & DI feature, which can be extracted using the synchrosqueezed wavelet transform representing non-stationary signals as intrinsic-mode-type components. We validate the effectiveness of the proposed feature with simulated experiments. Compared to conventional time- and frequency-domain features, our feature provides the best damage quantification and localization results across different bridges in five of six experiments.
• Abstract（参考訳）: 橋梁を走行する車両の加速度応答データから損傷に敏感でドメイン不変な特徴(DS&DI)を抽出し,橋梁の健全性を評価する物理誘導信号処理手法を提案する。 低コスト・低保守等の間接センシング手法の利点を生かして, 車両振動を用いた橋梁の健康モニタリングを行い, 橋梁の効率的なモニタリングを行った。 しかしこのアプローチを適用するのは困難です。 1)手動で抽出した物理特性は一般に損傷に敏感ではない。 2) 機械学習技術の特徴は、しばしば異なるブリッジに適用できない。 そこで,車橋相互作用系モデルを定式化し,非定常信号を表す同期ウェーブレット変換を固有モード型成分として抽出可能な物理誘導ds & di特徴量を求める。 提案手法の有効性をシミュレーション実験により検証した。 従来の時間領域と周波数領域の機能と比較して,6つの実験のうち5つにおいて,各橋にまたがる損傷の定量化と局所化が最良である。

関連論文リスト

• Cross-Cluster Shifting for Efficient and Effective 3D Object Detection in Autonomous Driving [69.20604395205248]
  本稿では,自律運転における3次元物体検出のための3次元点検出モデルであるShift-SSDを提案する。 我々は、ポイントベース検出器の表現能力を解き放つために、興味深いクロスクラスタシフト操作を導入する。 我々は、KITTI、ランタイム、nuScenesデータセットに関する広範な実験を行い、Shift-SSDの最先端性能を実証した。
  論文  参考訳（メタデータ） (2024-03-10T10:36:32Z)
• DARTH: Holistic Test-time Adaptation for Multiple Object Tracking [87.72019733473562]
  複数物体追跡(MOT)は、自律運転における知覚システムの基本的構成要素である。 運転システムの安全性の追求にもかかわらず、テスト時間条件における領域シフトに対するMOT適応問題に対する解決策は提案されていない。 我々はMOTの総合的なテスト時間適応フレームワークであるDARTHを紹介する。
  論文  参考訳（メタデータ） (2023-10-03T10:10:42Z)
• Unsupervised Domain Adaptation for Self-Driving from Past Traversal Features [69.47588461101925]
  本研究では,新しい運転環境に3次元物体検出器を適応させる手法を提案する。 提案手法は,空間的量子化履歴特徴を用いたLiDARに基づく検出モデルを強化する。 実世界のデータセットの実験では、大幅な改善が示されている。
  論文  参考訳（メタデータ） (2023-09-21T15:00:31Z)
• Deep Learning Overloaded Vehicle Identification for Long Span Bridges Based on Structural Health Monitoring Data [3.331125445667599]
  過負荷車両識別のためのBWIM (bridge weigh-in-motion)法が普及している。 深層学習に基づく過負荷車両識別手法(DOVI)を提案する。 簡易支持梁と長尺ケーブルステイドブリッジを用いてランダムな交通流下でモデル評価を行った。
  論文  参考訳（メタデータ） (2023-09-04T13:24:54Z)
• Object-Size-Driven Design of Convolutional Neural Networks: Virtual Axle Detection based on Raw Data [0.0]
  本研究は、専用軸受を列車軸受のリアルタイム検出のための新しいアプローチに置き換えることの課題に対処する。 提案したVADER(Virtual Axle Detector with Enhanced Receptive Field)は単線鉄道橋上で検証されている。 生データを入力として使用すると、最先端のスペクトログラムベースの手法がスピードとメモリ使用率の両方で99%向上する。
  論文  参考訳（メタデータ） (2023-09-04T12:53:54Z)
• Novel features for the detection of bearing faults in railway vehicles [88.89591720652352]
  我々は,Mel-Frequency Cepstral Coefficients (MFCCs) とAmplitude Modulation Spectrogram (AMS) から抽出した特徴を,軸受欠陥の検出のための特徴として紹介する。
  論文  参考訳（メタデータ） (2023-04-14T10:09:50Z)
• Automated Mobility Context Detection with Inertial Signals [7.71058263701836]
  本研究の主な目的は,日常の運動機能の遠隔監視のためのコンテキスト検出について検討することである。 本研究の目的は、ウェアラブル加速度計でサンプリングされた慣性信号が、歩行関連活動を屋内または屋外に分類するための信頼性の高い情報を提供するかを理解することである。
  論文  参考訳（メタデータ） (2022-05-16T09:34:43Z)
• Closing the sim-to-real gap in guided wave damage detection with adversarial training of variational auto-encoders [0.0]
  我々は、信号処理技術が一般的に用いられる損傷検出の第一課題に焦点をあてる。 我々は、波動物理誘導逆数成分を用いたシミュレーションデータのみに基づいて、変分オートエンコーダのアンサンブルを訓練する。 提案手法を既存のディープラーニング検出手法と比較し,実験データ上での優れた性能を観察する。
  論文  参考訳（メタデータ） (2022-01-26T17:36:11Z)
• Vision in adverse weather: Augmentation using CycleGANs with various object detectors for robust perception in autonomous racing [70.16043883381677]
  自律レースでは、天気は突然変化し、認識が著しく低下し、非効率な操作が引き起こされる。 悪天候の検知を改善するために、ディープラーニングベースのモデルは通常、そのような状況下でキャプチャされた広範なデータセットを必要とする。 本稿では,5つの最先端検出器のうち4つの性能向上を図るために,自動レース(CycleGANを用いた)における合成悪条件データセットを用いた手法を提案する。
  論文  参考訳（メタデータ） (2022-01-10T10:02:40Z)
• HierMUD: Hierarchical Multi-task Unsupervised Domain Adaptation between Bridges for Drive-by Damage Diagnosis [9.261126434781744]
  対象橋のラベルを使わずに,橋梁の損傷を診断するために,ある橋梁から学習したモデルを転送する新しい枠組みを提案する。 我々のフレームワークは、タスク共有とタスク固有の特徴を抽出するために、逆方向の方法で階層型ニューラルネットワークモデルを訓練する。 2つの橋と3台の車両から収集した実験データについて,本フレームワークの評価を行った。
  論文  参考訳（メタデータ） (2021-07-23T19:39:32Z)
• Cat states in a driven superfluid: role of signal shape and switching protocol [62.997667081978825]
  運動エネルギーをゼロ時間平均で振動させた1次元Bose-Hubbardモデルの挙動について検討する。 システムパラメータの変動に対して,この非従来的基底状態のロバスト性を分析する。
  論文  参考訳（メタデータ） (2020-05-11T15:15:06Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。