ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
ناشر تخصصی کنفرانسهای ایران
ورود |عضویت رایگان |راهنمای سایت |عضویت کتابخانه ها
عنوان
مقاله

INEXPENSIVE DAMAGE DETECTION OF CABLE-STAYED BRIDGES USING SIGNAL PROCESSING AND MACHINE LEARNING

سال انتشار: 1398
کد COI مقاله: SEE08_252
زبان مقاله: انگلیسیمشاهده این مقاله: 454
فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 9 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله INEXPENSIVE DAMAGE DETECTION OF CABLE-STAYED BRIDGES USING SIGNAL PROCESSING AND MACHINE LEARNING

Ehsan Darvishan - Assistant Professor, Islamic Azad University, Roudehen, Iran
Mohammad H. Afsharmovahed - M.Sc. Student, Iran University of Science and Technology, Tehran, Iran
Mohammad S. Torabi - M.Sc. Student, Iran University of Science and Technology, Tehran, Iran

چکیده مقاله:

Nowadays, with the help of the structural health monitoring methods, it is feasible to detect the occurrence of loss at the very early stages and to preventing from the financial and human losses. However, one of the main obstacles to the prevalence of such methods in the country is the high cost of health monitoring systems. The purpose of this study is to providing and detecting an inexpensive method for loss of bridges using signal processing and machine learning techniques. In order to reduce the costs, the number of sensors for monitoring the structure vibration has decreased. Since the reduction of the sensors number might reduce the accuracy level of the structure damage indexes health monitoring, the most up to date signal processing methods are used. In the first step of the paper, several time-frequency signal processing techniques are compared and EWT is selected as the best method. In the next step, after decomposition of signals by time-frequency techniques, a new damage index is introduced base on cross wavelet transform (CWT) and then calculated damaged indices are classified using support vector machine (SVM) to be able to distinguish healthy and damage states. The results indicate that the above method with high accuracy can detect the damages in the structure.

کلیدواژه ها:

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا SEE08_252 میباشد و برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/1022604/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
Darvishan, Ehsan and Afsharmovahed, Mohammad H. and Torabi, Mohammad S.,1398,INEXPENSIVE DAMAGE DETECTION OF CABLE-STAYED BRIDGES USING SIGNAL PROCESSING AND MACHINE LEARNING,8th International Conference on Seismology and Earthquake Engineering,Tehran,https://civilica.com/doc/1022604

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1398, Darvishan, Ehsan؛ Mohammad H. Afsharmovahed and Mohammad S. Torabi)
برای بار دوم به بعد: (1398, Darvishan؛ Afsharmovahed and Torabi)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

مقالات مرتبط جدید

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

پشتیبانی