Damage Detection of Trusses Utilizing Free Vibration Signals and Convolutional Neural Network Relied on Model Order Reduction

Dieses Kapitel untersucht einen innovativen Ansatz zur Schadenserkennung in Fachwerkstrukturen, indem freie Vibrationssignale und konvolutionale neuronale Netzwerke (CNN) kombiniert werden. Die Studie führt eine Methode ein, die auf der Reduzierung der Modellreihenfolge beruht, um die Anzahl der Freiheitsgrade in der Analyse zu minimieren und den Prozess effizienter zu gestalten. Der modale Belastungsindex wird verwendet, um Fachwerkglieder mit hoher Schadenwahrscheinlichkeit zu identifizieren, was die Datendimension des CNN-Modells verringert. Anhand numerischer Beispiele an einem 31-bar-Fachwerk zeigt die Studie die Wirksamkeit der vorgeschlagenen Methode bei der präzisen Erkennung von Schäden anhand eines kleinen Datensatzes. Die Ergebnisse unterstreichen die Zuverlässigkeit und Effizienz des Ansatzes, der auf andere Strukturtypen wie Platten, Schalen und Rahmen ausgeweitet werden kann. Die Konvergenz der Verlustfunktion während des Trainingsprozesses bestätigt die Robustheit des CNN-Modells weiter. Dieses Kapitel bietet wertvolle Einblicke in die Anwendung maschineller Lerntechniken für die strukturelle Gesundheitsüberwachung und bietet eine vielversprechende Lösung für die Früherkennung von Schäden und die Vermeidung von Strukturversagen.