論文の概要: Damage detection in an uncertain nonlinear beam based on stochastic Volterra series
- arxiv url: http://arxiv.org/abs/2409.15349v1
- Date: Tue, 10 Sep 2024 17:26:51 GMT
- ステータス: 処理完了
- システム内更新日: 2024-11-06 19:54:40.772030
- Title: Damage detection in an uncertain nonlinear beam based on stochastic Volterra series
- Title（参考訳）: 確率ボルテラ系列に基づく不確定非線形ビームの損傷検出
- Authors: Luis Gustavo Giacon Villani, Samuel da Silva, Americo Cunha Jr,
- Abstract要約: 振動測定を用いた機械系の損傷検出問題は、一般に構造健康モニタリング(SHM)と呼ばれる。
多くのツールが振動パターンの変化によって損傷を検知することができる。
基準条件(クラック無し)においても、非線形運動状態において振動するビームにおける呼吸き裂の検出にVolterraシリーズのバージョンに基づくアプローチを提案する。
その結果,高次ボルテラ核を考慮に入れた非線形解析により,その存在下においても,小さい伝播率と確率信頼度で亀裂を検出できることが示唆された。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The damage detection problem in mechanical systems, using vibration measurements, is commonly called Structural Health Monitoring (SHM). Many tools are able to detect damages by changes in the vibration pattern, mainly, when damages induce nonlinear behavior. However, a more difficult problem is to detect structural variation associated with damage, when the mechanical system has nonlinear behavior even in the reference condition. In these cases, more sophisticated methods are required to detect if the changes in the response are based on some structural variation or changes in the vibration regime, because both can generate nonlinearities. Among the many ways to solve this problem, the use of the Volterra series has several favorable points, because they are a generalization of the linear convolution, allowing the separation of linear and nonlinear contributions by input filtering through the Volterra kernels. On the other hand, the presence of uncertainties in mechanical systems, due to noise, geometric imperfections, manufacturing irregularities, environmental conditions, and others, can also change the responses, becoming more difficult the damage detection procedure. An approach based on a stochastic version of Volterra series is proposed to be used in the detection of a breathing crack in a beam vibrating in a nonlinear regime of motion, even in reference condition (without crack). The system uncertainties are simulated by the variation imposed in the linear stiffness and damping coefficient. The results show, that the nonlinear analysis done, considering the high order Volterra kernels, allows the approach to detect the crack with a small propagation and probability confidence, even in the presence of uncertainties.
- Abstract（参考訳）: 振動測定を用いた機械系の損傷検出問題は、一般に構造健康モニタリング(SHM)と呼ばれる。
多くのツールが振動パターンの変化によって損傷を検知することができる。
しかし, 機械系が基準条件下においても非線形な挙動を示す場合, 損傷に伴う構造変化を検出するのが困難である。
これらの場合、応答の変化が何らかの構造変化や振動状態の変化に基づいているかどうかを、より洗練された方法で検出する必要がある。
この問題を解決する多くの方法の中で、ボルテラ級数は線型畳み込みの一般化であり、ボルテラ核を通した入力フィルタリングによる線形および非線形寄与の分離を可能にするため、いくつかの有利な点を持つ。
一方, 騒音, 幾何学的不完全性, 製造の不規則性, 環境条件など, 機械系における不確実性の存在も応答を変化させることができ, 損傷検出が困難になる。
ボルテラ系列の確率バージョンに基づくアプローチは, 基準条件(クラック無し)においても, 非線形運動状態において振動するビームの呼吸き裂の検出に使用される。
系の不確かさは、線形剛性および減衰係数に課される変動によってシミュレートされる。
その結果、高次ボルテラ核を考慮に入れた非線形解析により、不確実性が存在する場合でも、小さな伝播と確率信頼で亀裂を検出することができることがわかった。
関連論文リスト
- Damage detection in an uncertain nonlinear beam based on stochastic
Volterra series: an experimental application [0.0]
本研究の目的は、Volterraシリーズのバージョンと新規検出手法を組み合わせて、初期非線形システムの損傷を検出することである。
ボルテラ核の線形および非線形寄与の比較から,ボルト接続(ナッツ緩み)の質量変化に伴う損傷を検出する。
論文 参考訳（メタデータ） (2024-09-10T17:07:21Z) - Nonlinear spectral analysis extracts harmonics from land-atmosphere fluxes [1.1124588036301815]
CO$の土地・大気交換のダイナミクスは、気候・炭素フィードバックシステムの予測能力を高める鍵となる。
本稿では,非線形データ駆動手法が周期パターンと高調波をノイズと可変性から分離できるかどうかを考察する。
ラプラシアンスペクトル解析(NLSA)は線形法より優れ、複数の関連する高調波を検出する。
論文 参考訳（メタデータ） (2024-07-27T11:51:34Z) - Deep learning architectures for data-driven damage detection in nonlinear dynamic systems [0.0]
本研究は,非線形力学系におけるデータ駆動型損傷検出に応用した深層学習について詳細に検討する。
1次元畳み込みニューラルネットワークを利用するオートエンコーダ(AE)とジェネレーティブ・敵ネットワーク(GAN)が実装されている。
論文 参考訳（メタデータ） (2024-07-04T07:40:02Z) - Causality-Based Multivariate Time Series Anomaly Detection [63.799474860969156]
我々は、因果的観点から異常検出問題を定式化し、多変量データを生成するための通常の因果的メカニズムに従わない事例として、異常を考察する。
次に、まずデータから因果構造を学習し、次に、あるインスタンスが局所因果機構に対して異常であるかどうかを推定する因果検出手法を提案する。
我々は、実世界のAIOpsアプリケーションに関するケーススタディと同様に、シミュレートされたデータセットとパブリックなデータセットの両方を用いて、私たちのアプローチを評価します。
論文 参考訳（メタデータ） (2022-06-30T06:00:13Z) - Investigation of Different Calibration Methods for Deep Speaker
Embedding based Verification Systems [66.61691401921296]
本稿では, ディープスピーカ埋込抽出器のスコアキャリブレーション法について検討する。
この研究のさらなる焦点は、スコア正規化がシステムの校正性能に与える影響を推定することである。
論文 参考訳（メタデータ） (2022-03-28T21:22:22Z) - Dealing with collinearity in large-scale linear system identification
using Bayesian regularization [3.04585143845864]
出力が多くの相関入力の結果である可能性のある大規模線形系と安定系の同定を考察する。
我々は、任意のインパルス応答をゼロ平均ガウス過程の実現としてモデル化するベイズ正規化に基づく戦略を開発する。
次に、コリニアリティに対処し、インパルス応答の後方を効率的に再構築できる新しいマルコフ連鎖モンテカルロスキームを設計する。
論文 参考訳（メタデータ） (2022-03-25T13:11:26Z) - A Priori Denoising Strategies for Sparse Identification of Nonlinear
Dynamical Systems: A Comparative Study [68.8204255655161]
本研究では, 局所的およびグローバルな平滑化手法の性能と, 状態測定値の偏差について検討・比較する。
一般に,測度データセット全体を用いたグローバルな手法は,局所点の周辺に隣接するデータサブセットを用いる局所的手法よりも優れていることを示す。
論文 参考訳（メタデータ） (2022-01-29T23:31:25Z) - Data-driven Nonlinear Model Reduction to Spectral Submanifolds in
Mechanical Systems [1.7499351967216341]
スペクトル部分多様体(SSM)に基づくデータ駆動非線形モデル削減手法についてレビューする。
入力として、この手法は非力の非線形振動を観測して、力学の正規形式を非常に低次元不変量に縮減する。
これらの正規形式は振幅依存特性をキャプチャし、外部強制の付加の下で非線形システム応答の予測を提供するのに十分正確である。
論文 参考訳（メタデータ） (2021-10-05T10:39:40Z) - Sparse Quantized Spectral Clustering [85.77233010209368]
このような非線形変換の下で行列の固有スペクトルがどのように変化するのかを、ランダム行列理論のツールを用いて正確に述べる。
急激なスペーシング/量子化の下でも,情報的固有構造にはほとんど変化は見られなかった。
論文 参考訳（メタデータ） (2020-10-03T15:58:07Z) - Frequency-resolved photon correlations in cavity optomechanics [58.720142291102135]
光学系から放出される光子の周波数分解相関を解析する。
時間遅延相関がシステムのダイナミクスに関する情報を明らかにする方法について論じる。
このシステムに対する深い理解は、光学学における非線形現象を探索する新しい実験を引き起こす可能性がある。
論文 参考訳（メタデータ） (2020-09-14T06:17:36Z) - Distributing entanglement with separable states: assessment of encoding
and decoding imperfections [55.41644538483948]
絡み合いは、常に関連する他のシステムと分離可能なキャリアを使って分散することができる。
不完全なユニタリ相互作用と協調して作用する不整合力学の影響を考察する。
絡み合いの利得は、相当な単元誤差があっても可能であることを示す。
論文 参考訳（メタデータ） (2020-02-11T15:25:19Z)
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。