Advanced signal processing techniques have been long introduced and widely used in structural health monitoring (SHM) and nondestructive evaluation (NDE). In our research, we applied several signal processing approaches for our embedded ultrasonic structural radar (EUSR) system to obtain improved damage detection results. The EUSR algorithm was developed to detect defects within a large area of a thin-plate specimen using a piezoelectric wafer active sensor (PWAS) array. In the EUSR, the discrete wavelet transform (DWT) was first applied for signal de-noising. Secondly, after constructing the EUSR data, the short-time Fourier transform (STFT) and continuous wavelet transform (CWT) were used for the time-frequency analysis. Then the results were compared thereafter. We eventually chose continuous wavelet transform to filter out from the original signal the component with the excitation signal's frequency. Third, cross correlation method and Hilbert transform were applied to A-scan signals to extract the time of flight (TOF) of the wave packets from the crack. Finally, the Hilbert transform was again applied to the EUSR data to extract the envelopes for final inspection result visualization. The EUSR system was implemented in LabVIEW. Several laboratory experiments have been conducted and have verified that, with the advanced signal processing approaches, the EUSR has enhanced damage detection ability.
Du, Yao;Li, Ling-fang;Hou, Rong-rong;Wang, Xiao-you;Tian, Wei;Xia, Yong
Smart Structures and Systems
/
제29권1호
/
pp.63-75
/
2022
The raw data collected by structural health monitoring (SHM) systems may suffer multiple patterns of anomalies, which pose a significant barrier for an automatic and accurate structural condition assessment. Therefore, the detection and classification of these anomalies is an essential pre-processing step for SHM systems. However, the heterogeneous data patterns, scarce anomalous samples and severe class imbalance make data anomaly detection difficult. In this regard, this study proposes a convolutional neural network-based data anomaly detection method. The time and frequency domains data are transferred as images and used as the input of the neural network for training. ResNet18 is adopted as the feature extractor to avoid training with massive labelled data. In addition, the focal loss function is adopted to soften the class imbalance-induced classification bias. The effectiveness of the proposed method is validated using acceleration data collected in a long-span cable-stayed bridge. The proposed approach detects and classifies data anomalies with high accuracy.
Iban, Norberto;Soria, Jose M.;Magdaleno, Alvaro;Casado, Carlos;Diaz, Ivan M.;Lorenzana, Antolin
Smart Structures and Systems
/
제22권1호
/
pp.13-25
/
2018
Pedro $G{\acute{o}}mez$ Bosque footbridge is a slender and lightweight structure that creates a pedestrian link over the Pisuerga River, Valladolid, Spain. This footbridge is a singular stress ribbon structure with one span of 85 m consisting on a steel plate and precast concrete slabs laying on it. Rubber pavement and a railing made of stainless steel and glass complete the footbridge. Because of its lively dynamics, prone to oscillate, a simple and affordable structural health monitoring system was installed in order to continuously evaluate its structural serviceability and to estimate its modal parameters. Once certain problems (conditioning and 3D orientation of the triaxial accelerometers) are overcome, the monitoring system is validated by comparison with a general purpose laboratory portable analyzer. Representative data is presented, including acceleration magnitudes and modal estimates. The evolution of these parameters has been analysed over one-year time.
This study presents a structural health monitoring (SHM) method for bolted connections by using multi-channel wireless impedance sensor nodes and multiple PZT-interfaces. To achieve the objective, the following approaches are implemented. Firstly, a PZT-interface is designed to monitor bolt loosening in bolted connection based on variation of electro-mechanical(EM) impedance signatures. Secondly, a wireless impedance sensor node is designed for autonomous, cost-efficient and multi-channel monitoring. For the sensor platform, Imote2 is selected on the basis of its high operating speed, low power requirement and large storage memory. Finally, the performance of the wireless sensor node and the PZT-interfaces is experimentally evaluated for a bolt-connection model Damage monitoring method using root mean square deviation(RMSD) index of EM impedance signatures is utilized to estimate the strength of the bolted joint.
A low-cost wireless sensor network (WSN) solution with highly expandable super and simple nodes was developed. The super node was designed as a sensing unit as well as a receiving terminal with low energy consumption. The simple node was designed to serve as a cheaper alternative for large-scale deployment. A 12-bit ADC inputs and DAC outputs were reserved for sensor boards to ease the sensing integration. Vibration and thermal field tests of the Chi-Lu Bridge were conducted to evaluate the WSN's performance. Integral acceleration, temperature and tilt sensing modules were constructed to simplify the task of long-term environmental monitoring on this bridge, while a star topology was used to avoid collisions and reduce power consumption. We showed that, given sufficient power and additional power amplifier, the WSN can successfully be active for more than 7 days and satisfy the half bridge 120-meter transmission requirement. The time and frequency responses of cables shocked by external force and temperature variations around cables in one day were recorded and analyzed. Finally, guidelines on power characterization of the WSN platform and selection of acceleration sensors for structural health monitoring applications were given.
Shajihan, Shaik Althaf V.;Wang, Shuo;Zhai, Guanghao;Spencer, Billie F. Jr.
Smart Structures and Systems
/
제29권1호
/
pp.181-193
/
2022
Data-driven structural health monitoring (SHM) of civil infrastructure can be used to continuously assess the state of a structure, allowing preemptive safety measures to be carried out. Long-term monitoring of large-scale civil infrastructure often involves data-collection using a network of numerous sensors of various types. Malfunctioning sensors in the network are common, which can disrupt the condition assessment and even lead to false-negative indications of damage. The overwhelming size of the data collected renders manual approaches to ensure data quality intractable. The task of detecting and classifying an anomaly in the raw data is non-trivial. We propose an approach to automate this task, improving upon the previously developed technique of image-based pre-processing on one-dimensional (1D) data by enriching the features of the neural network input data with multiple channels. In particular, feature engineering is employed to convert the measured time histories into a 3-channel image comprised of (i) the time history, (ii) the spectrogram, and (iii) the probability density function representation of the signal. To demonstrate this approach, a CNN model is designed and trained on a dataset consisting of acceleration records of sensors installed on a long-span bridge, with the goal of fault detection and classification. The effect of imbalance in anomaly patterns observed is studied to better account for unseen test cases. The proposed framework achieves high overall accuracy and recall even when tested on an unseen dataset that is much larger than the samples used for training, offering a viable solution for implementation on full-scale structures where limited labeled-training data is available.
With more and more built long-term structural health monitoring (SHM) systems, it has been considered to apply monitored data to learn the reliability of bridges. In this paper, based on a long-term SHM system, especially in which the sensors were embedded from the beginning of the construction of the bridge, a method to calculate the localized reliability around an embedded sensor is recommended and implemented. In the reliability analysis, the probability distribution of loading can be the statistics of stress transferred from the monitored strain which covered the effects of both the live and dead loads directly, and it means that the mean value and deviation of loads are fully derived from the monitored data. The probability distribution of resistance may be the statistics of strength of the material of the bridge accordingly. With five years' monitored strains, the localized reliabilities around the monitoring sensors of a bridge were computed by the method. Further, the monitored stresses are classified into two time segments in one year period to count the loading probability distribution according to the local climate conditions, which helps us to learn the reliability in different time segments and their evolvement trends. The results show that reliabilities and their evolvement trends in different parts of the bridge are different though they are all reliable yet. The method recommended in this paper is feasible to learn the localized reliabilities revealed from monitored data of a long-term SHM system of bridges, which would help bridge engineers and managers to decide a bridge inspection or maintenance strategy.
This study aims to perform damage identification for Da-Sheng-Guan (DSG) high-speed railway truss arch bridge using fuzzy clustering analysis. Firstly, structural health monitoring (SHM) system is established for the DSG Bridge. Long-term field monitoring strain data in 8 different cases caused by high-speed trains are taken as classification reference for other unknown cases. And finite element model (FEM) of DSG Bridge is established to simulate damage cases of the bridge. Then, effectiveness of one fuzzy clustering analysis method named transitive closure method and FEM results are verified using the monitoring strain data. Three standardization methods at the first step of fuzzy clustering transitive closure method are compared: extreme difference method, maximum method and non-standard method. At last, the fuzzy clustering method is taken to identify damage with different degrees and different locations. The results show that: non-standard method is the best for the data with the same dimension at the first step of fuzzy clustering analysis. Clustering result is the best when 8 carriage and 16 carriage train in the same line are in a category. For DSG Bridge, the damage is identified when the strain mode change caused by damage is more significant than it caused by different carriages. The corresponding critical damage degree called damage threshold varies with damage location and reduces with the increase of damage locations.
Long-span cable-supported bridges are flexible structures vulnerable to unsymmetric loadings such as railway traffic and strong wind. The torsional dynamic response of long-span cable-supported bridges under running trains and/or strong winds may deform the railway track laid on the bridge deck and affect the running safety of trains and the comfort of passengers, and even lead the bridge to collapse. Therefore, it is eager to figure out the torsional dynamic response of long-span cable-supported bridges under running trains and/or strong winds. The Tsing Ma Bridge (TMB) in Hong Kong is a suspension bridge with a main span of 1,377 m, and is currently the world's longest suspension bridge carrying both road and rail traffic. Moreover, this bridge is located in one of the most active typhoon-prone regions in the world. A wind and structural health monitoring system (WASHMS) was installed on the TMB in 1997, and after 17 years of successful operation it is still working well as desired. Making use of one-year monitoring data acquired by the WASHMS, the torsional dynamic responses of the bridge deck under rail traffic and strong winds are analyzed. The monitoring results demonstrate that the differences of vertical displacement at the opposite edges and the corresponding rotations of the bridge deck are less than 60 mm and $0.1^{\circ}$ respectively under weak winds, and less than 300 mm and $0.6^{\circ}$ respectively under typhoons, implying that the torsional dynamic response of the bridge deck under rail traffic and wind loading is not significant due to the rational design.
Structural health monitoring (SHM) has been related to damage identification with either operational loads or other environmental loading playing a significant complimentary role in terms of structural safety. In this study, a non-parametric method of time frequency analysis on the measurement is used to address the time-frequency representation for modal parameter estimation and system damage identification of structure. The method employs the wavelet decomposition of dynamic data by using the modified complex Morlet wavelet with variable central frequency (MCMW+VCF). Through detail discussion on the selection of model parameter in wavelet analysis, the method is applied to study the dynamic response of both steel structure and reinforced concrete frame under white noise excitation as well as earthquake excitation from shaking table test. Application of the method to building earthquake response measurement is also examined. It is shown that by using the spectrogram generated from MCMW+VCF method, with suitable selected model parameter, one can clearly identify the time-varying modal frequency of the reinforced concrete structure under earthquake excitation. Discussions on the advantages and disadvantages of the method through field experiments are also presented.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.