論文の概要: Asset management, condition monitoring and Digital Twins: damage detection and virtual inspection on a reinforced concrete bridge
- arxiv url: http://arxiv.org/abs/2404.10341v1
- Date: Tue, 16 Apr 2024 07:24:54 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-17 17:43:04.057474
- Title: Asset management, condition monitoring and Digital Twins: damage detection and virtual inspection on a reinforced concrete bridge
- Title（参考訳）: 資産管理, 条件モニタリング, デジタルツイン:鉄筋コンクリート橋の損傷検出と仮想検査
- Authors: Arnulf Hagen, Trond Michael Andersen,
- Abstract要約: 2021年4月、ノルウェーのE6に架かる主要橋であるスタヴァ橋が突然閉鎖された。
構造上の欠陥が橋の構造的整合性を著しく損なっていた。
インシデントは、IoTセンサーからデータを処理するDigital Twinのブリッジを構成するものを通じて警告された。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: In April 2021 Stava bridge, a main bridge on E6 in Norway, was abruptly closed for traffic. A structural defect had seriously compromised the bridge structural integrity. The Norwegian Public Roads Administration (NPRA) closed it, made a temporary solution and reopened with severe traffic restrictions. The incident was alerted through what constitutes the bridge Digital Twin processing data from Internet of Things sensors. The solution was crucial in online and offline diagnostics, the case demonstrating the value of technologies to tackle emerging dangerous situations as well as acting preventively. A critical and rapidly developing damage was detected in time to stop the development, but not in time to avoid the incident altogether. The paper puts risk in a broader perspective for an organization responsible for highway infrastructure. It positions online monitoring and Digital Twins in the context of Risk- and Condition-Based Maintenance. The situation that arose at Stava bridge, and how it was detected, analyzed, and diagnosed during virtual inspection, is described. The case demonstrates how combining physics-based methods with Machine Learning can facilitate damage detection and diagnostics. A summary of lessons learnt, both from technical and organizational perspectives, as well as plans of future work, is presented.
- Abstract（参考訳）: 2021年4月、ノルウェーのE6に架かる主要橋であるスタヴァ橋が突然閉鎖された。
構造上の欠陥が橋の構造的整合性を著しく損なっていた。
ノルウェー公道管理局(NPRA)は閉鎖し、一時的な解決を行い、厳しい交通規制で再開した。
インシデントは、IoTセンサーからデータを処理するDigital Twinのブリッジを構成するものを通じて警告された。
このソリューションは、オンラインおよびオフラインの診断において極めて重要であり、新興の危険な状況に対処し、予防的に行動する技術の価値を示すものだった。
緊急かつ急速に発達する損傷は、開発を止めるために検出されたが、事故を完全に避けるには間に合わなかった。
この論文は、ハイウェイインフラに責任を持つ組織に対して、より広い視点でリスクを課している。
リスクと条件に基づく保守という文脈で、オンラインモニタリングとデジタルツインを位置づけている。
スタバ橋で発生した状況と、仮想検査中にどのように検出され、分析され、診断されたかについて述べる。
このケースでは、物理に基づく手法と機械学習を組み合わせることで、損傷の検出と診断が容易になることを示す。
技術面と組織面の両方から学んだ教訓の要約と今後の仕事の計画を紹介する。
関連論文リスト
- Characterization and Mitigation of Insufficiencies in Automated Driving Systems [0.5842419815638352]
自動運転(AD)システムは安全性、快適性、エネルギー効率を高める可能性がある。
ADSの商業展開と広く採用は、部分的には乗客の安全を損なうシステム機能不全(FI)が道路の危険状況を引き起こしているため、穏健である。
本研究の目的は、FI緩和を改善し、ADSの商業展開を高速化するために、汎用的なアーキテクチャ設計パターンを定式化することである。
論文 参考訳（メタデータ） (2024-04-15T08:19:13Z) - AccidentGPT: Accident Analysis and Prevention from V2X Environmental
Perception with Multi-modal Large Model [32.14950866838055]
AccidentGPTは総合的な事故解析とマルチモーダル大模型の予防である。
自律走行車では、車両を制御し衝突を避けるための総合的な環境認識と理解を提供する。
人間の運転する車には、プロアクティブな長距離安全警告と盲点警告を提供します。
我々のフレームワークは、歩行者、車両、道路、環境を含む交通安全のインテリジェントでリアルタイムな分析を支援する。
論文 参考訳（メタデータ） (2023-12-20T16:19:47Z) - Disaster Anomaly Detector via Deeper FCDDs for Explainable Initial
Responses [0.0]
あらゆる災害イベントにおいて、最初の応答は72時間以内に救助し、回復を急ぐ鍵である。
機械学習アルゴリズムのうち、深い異常検出は日常の特徴とは異なる破壊的特徴を検出するのに有効である。
本稿では,より深い完全畳み込みデータ記述(FCDD)を利用した異常検出アプリケーションを提案する。
VGG16バックボーンを持つ深いFCDDは、他のベースラインであるCNN27、ResNet101、Inceptionv3より一貫して優れていた。
論文 参考訳（メタデータ） (2023-06-05T00:44:39Z) - OpenLane-V2: A Topology Reasoning Benchmark for Unified 3D HD Mapping [84.65114565766596]
交通シーン構造を考慮したトポロジ推論のための最初のデータセットであるOpenLane-V2を提案する。
OpenLane-V2は2000のアノテートされた道路シーンで構成され、交通要素と車線との関係を記述している。
様々な最先端手法を評価し,OpenLane-V2の定量的,定性的な結果を示し,交通現場におけるトポロジ推論の今後の道筋を示す。
論文 参考訳（メタデータ） (2023-04-20T16:31:22Z) - Graph-based Topology Reasoning for Driving Scenes [102.35885039110057]
TopoNetは、従来の知覚タスクを超えてトラフィック知識を抽象化できる最初のエンドツーエンドフレームワークである。
TopoNetを,難解なシーン理解ベンチマークOpenLane-V2で評価した。
論文 参考訳（メタデータ） (2023-04-11T15:23:29Z) - Cognitive Accident Prediction in Driving Scenes: A Multimodality
Benchmark [77.54411007883962]
本研究では,視覚的観察と運転者の注意に対する人為的な文章記述の認識を効果的に活用し,モデルトレーニングを容易にする認知事故予測手法を提案する。
CAPは、注意テキスト〜ビジョンシフト融合モジュール、注意シーンコンテキスト転送モジュール、運転注意誘導事故予測モジュールによって構成される。
我々は,1,727件の事故ビデオと219万フレーム以上の大規模ベンチマークを構築した。
論文 参考訳（メタデータ） (2022-12-19T11:43:02Z) - Mining Root Cause Knowledge from Cloud Service Incident Investigations
for AIOps [71.12026848664753]
サービス破壊インシデントの根本原因分析(RCA)は、ITプロセスにおける最も重要かつ複雑なタスクの1つです。
本研究では、Salesforceで構築されたICAと、ダウンストリームのインシデントサーチとレトリーバルベースのRCAパイプラインについて紹介する。
論文 参考訳（メタデータ） (2022-04-21T02:33:34Z) - ADAPT: An Open-Source sUAS Payload for Real-Time Disaster Prediction and
Response with AI [55.41644538483948]
小型無人航空機システム(sUAS)は、多くの人道支援や災害対応作戦において顕著な構成要素となっている。
我々は,SUAS上にリアルタイムAIとコンピュータビジョンをデプロイするための,オープンソースのADAPTマルチミッションペイロードを開発した。
本研究では,河川氷の状態を監視し,破滅的な洪水現象をタイムリーに予測するための,リアルタイム・飛行中の氷分断の例を示す。
論文 参考訳（メタデータ） (2022-01-25T14:51:19Z) - 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) - CAN-LOC: Spoofing Detection and Physical Intrusion Localization on an
In-Vehicle CAN Bus Based on Deep Features of Voltage Signals [48.813942331065206]
車両内ネットワークのためのセキュリティ強化システムを提案する。
提案システムは,CANバスで測定した電圧信号から抽出した深い特徴を処理する2つの機構を含む。
論文 参考訳（メタデータ） (2021-06-15T06:12:33Z) - Improving Emergency Response during Hurricane Season using Computer
Vision [0.06882042556551608]
我々は,コンピュータビジョン(CV),内陸洪水予知,被害評価,データ可視化といった最新の技術を組み込んだ危機対応・管理のためのフレームワークを開発した。
我々のコンピュータビジョンモデルは、自然災害の前後で、宇宙と空中の画像を分析して、関連する特徴を検出する。
画像から水、道路、建物、植生などの特徴を識別するモデル群を設計した。
論文 参考訳（メタデータ） (2020-08-17T15:42:02Z)
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。