論文の概要: Optimal Characteristics of Inspection Vehicle for Drive-by Bridge Inspection
- arxiv url: http://arxiv.org/abs/2510.02658v1
- Date: Fri, 03 Oct 2025 01:29:02 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-06 16:35:52.230217
- Title: Optimal Characteristics of Inspection Vehicle for Drive-by Bridge Inspection
- Title（参考訳）: ドライブバイブリッジ検査における検査車両の最適特性
- Authors: A. Calderon Hurtado, E. Atroshchenko, K. C. Chang, C. W. Kim, M. Makki Alamdari,
- Abstract要約: 過去10年間で、ブリッジの健康モニタリングのためのドライブバイインスペクションが注目されている。
本研究は,損傷感度を高めるために検査車両を最適化するための枠組みを提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Drive-by inspection for bridge health monitoring has gained increasing attention over the past decade. This method involves analysing the coupled vehicle-bridge response, recorded by an instrumented inspection vehicle, to assess structural integrity and detect damage. However, the vehicles mechanical and dynamic properties significantly influence detection performance, limiting the effectiveness of the approach. This study presents a framework for optimising the inspection vehicle to enhance damage sensitivity. An unsupervised deep learning methodbased on adversarial autoencoders (AAE)is used to reconstruct the frequency- domain representation of acceleration responses. The mass and stiffness of the tyre suspension system of a two-axle vehicle are optimised by minimising the Wasserstein distance between damage index distributions for healthy and damaged bridge states. A Kriging meta-model is employed to approximate this objective function efficiently and identify optimal vehicle configurations in both dimensional and non-dimensional parameter spaces. Results show that vehicles with frequency ratios between 0.3 and 0.7 relative to the bridges' first natural frequency are most effective, while those near resonance perform poorly. Lighter vehicles require lower natural frequencies for optimal detection. This is the first study to rigorously optimise the sensing platform for drive-by sensing and to propose a purpose-built inspection vehicle.
- Abstract（参考訳）: 過去10年間で、ブリッジの健康モニタリングのためのドライブバイインスペクションが注目されている。
この方法は、計器検査車両によって記録された連結車両橋の応答を分析し、構造的整合性を評価し、損傷を検出することを含む。
しかし, 車両の機械的および動的特性は検出性能に大きな影響を与え, アプローチの有効性を制限した。
本研究は,損傷感度を高めるために検査車両を最適化するための枠組みを提案する。
対向オートエンコーダ(AAE)に基づく教師なしのディープラーニング手法を用いて、加速度応答の周波数領域表現を再構成する。
2軸車両のタイヤサスペンションシステムの質量と剛性は、健康および損傷ブリッジ状態に対する損傷指標分布間のワッサーシュタイン距離を最小化することにより最適化される。
Krigingメタモデルは、この目的関数を効率的に近似し、次元および非次元パラメータ空間における最適な車両構成を特定するために用いられる。
その結果、橋梁の最初の自然周波数に対して0.3から0.7の周波数比を持つ車両が最も有効であり、近接共鳴では性能が良くないことがわかった。
より軽量な車両は最適な検出のためにより低い自然周波数を必要とする。
本研究は、ドライブバイセンシングのためのセンシングプラットフォームを厳格に最適化し、目的の検査車両を提案するための最初の研究である。
関連論文リスト
- Robust Anomaly Detection through Multi-Modal Autoencoder Fusion for Small Vehicle Damage Detection [4.932130498861987]
特にレンタカーやカーシェアリングサービスにおいて、車両および共有車両システムにおける摩耗と剥離の検出は重要な課題である。
現在、手動検査法がデフォルトの手法であるが、労働集約的であり、ヒューマンエラーの傾向にある。
本研究では,これらの問題に対処するために,異常検出に基づく新しいマルチモーダルアーキテクチャを導入する。
論文 参考訳（メタデータ） (2025-09-01T18:54:28Z) - Overtake Detection in Trucks Using CAN Bus Signals: A Comparative Study of Machine Learning Methods [51.28632782308621]
ボルボグループが提供する5台の車載トラックから収集した制御エリアネットワーク(CAN)バスデータを用いたオーバーテイク検出に焦点を当てた。
車両操作検出、ニューラルネットワーク(ANN)、ランダムフォレスト(RF)、サポートベクトルマシン(SVM)の3つの共通分類器の評価を行った。
当社のパートラック分析では、特にオーバーテイクにおいて、車両毎のトレーニングデータの量に依存する分類精度も明らかにしています。
論文 参考訳（メタデータ） (2025-07-01T09:20:41Z) - V-CAS: A Realtime Vehicle Anti Collision System Using Vision Transformer on Multi-Camera Streams [0.0]
本稿では,リアルタイム衝突回避システム(V-CAS)を提案する。
V-CASは適応ブレーキによるリアルタイム衝突リスク評価と能動的緩和を可能にする。
その結果,従来の単カメラ法と比較して物体検出と追跡の大幅な改善,衝突回避の強化が示唆された。
論文 参考訳（メタデータ） (2024-11-04T10:39:15Z) - Machine Learning for Pre/Post Flight UAV Rotor Defect Detection Using Vibration Analysis [54.550658461477106]
無人航空機(UAV)は将来のスマートシティにとって重要なインフラ要素となるだろう。
効率的な運用のためには、UAVの信頼性は障害や故障の常時監視によって保証されなければならない。
本稿では,信号処理と機械学習を利用して,包括的振動解析データを分析し,ローターブレードの欠陥の有無を判定する。
論文 参考訳（メタデータ） (2024-04-24T13:50:27Z) - DRUformer: Enhancing the driving scene Important object detection with
driving relationship self-understanding [50.81809690183755]
交通事故はしばしば致命傷を負い、2023年まで5000万人以上の死者を出した。
従来の研究は、主に個々の参加者の重要性を評価し、それらを独立した存在として扱うものであった。
本稿では、重要な物体検出タスクを強化するために、運転シーン関連自己理解変換器(DRUformer)を紹介する。
論文 参考訳（メタデータ） (2023-11-11T07:26:47Z) - AUTO: Adaptive Outlier Optimization for Test-Time OOD Detection [79.51071170042972]
Out-of-Distribution (OOD) 検出は、任意のトレーニングインディストリビューション(ID)クラスに該当しないテストサンプルを検出することを目的としている。
データ安全性とプライバシにより、さまざまなシナリオに対して、事前にタスク固有の外れ値の収集が不可能になる。
テスト中にラベルのないデータストリームから実際のOODデータを利用することができる。
論文 参考訳（メタデータ） (2023-03-22T02:28:54Z) - Transfer Learning for Input Estimation of Vehicle Systems [4.588028371034406]
本研究では,車載サスペンションシステムの入力推定にドメイン適応性を用いた学習手法を提案する。
橋梁の健康モニタリングのための群衆センシング環境では、車両がセンサーを持って橋の動的反応のサンプルを収集する。
論文 参考訳（メタデータ） (2020-10-26T00:33:21Z) - Automotive Radar Interference Mitigation with Unfolded Robust PCA based
on Residual Overcomplete Auto-Encoder Blocks [88.46770122522697]
自律走行では、レーダーシステムは道路上の他の車両のような標的を検出する上で重要な役割を果たす。
自動車用レーダー干渉緩和のための深層学習手法は、目標の振幅を確実に推定できるが、それぞれの目標の位相を回復できない。
干渉の有無で振幅と位相の両方を推定できる効率的かつ効率的な手法を提案する。
論文 参考訳（メタデータ） (2020-10-14T09:41:06Z) - Hearing What You Cannot See: Acoustic Vehicle Detection Around Corners [5.4960756528016335]
このような車両が視界に入る前に、音で接近する車両を検知できることが示される。
我々は,屋根付マイクロホンアレイを備えた研究車両を装着し,このセンサで収集したデータを示す。
車両が視認前に接近している方向を分類するための新しい方法が提示される。
論文 参考訳（メタデータ） (2020-07-30T20:57:13Z) - Damage-sensitive and domain-invariant feature extraction for
vehicle-vibration-based bridge health monitoring [25.17078512102496]
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。
論文 参考訳（メタデータ） (2020-02-06T05:45:39Z)
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。