Het Korea Institute of Civil Engineering and Building Technology (KICT) heeft de ontwikkeling aangekondigd van een volledig geautomatiseerde peak-picking-methode voor kabelbewaking. De ontwikkelde methode zal de betrouwbaarheid van de methode verbeteren. Zoals de Incheon-brug in Zuid-Korea, hebben Tuibruggen wereldwijd veel aandacht gekregen als efficiënte structurele systemen. In dit opzicht zijn nieuw ontwikkelde kabelbewakingssystemen een essentiële en efficiënte onderhoudsaanpak voor tuibruggen geworden. Als structurele integriteit voor steunkabels worden spankracht en dempingsverhouding op grote schaal gebruikt als efficiënte maatstaven.
Een onderzoeksteam in KICT, geleid door Dr.Seung-Seop Jin, heeft een volledig geautomatiseerde piek-picking-methode ontwikkeld om de modale frequenties betrouwbaar en flexibel te extraheren zonder enige voorafgaande instelling en menselijke manipulatie. De ontwikkelde methode maakt gebruik van de domeinkennis op basis van de fysieke kenmerken van de stay-kabels. Het kan worden toegepast op alle steunkabels, ongeacht hun fysieke kenmerken. Bijgevolg is het volledig geautomatiseerd om de spankrachten en de dempingsverhouding van eventuele steunkabels te schatten.
Al vele jaren wordt de trillingsmethode algemeen aanvaard als een kosteneffectieve methode om de steunkabels te bewaken, aangezien het geen ingewikkelde installatie en kalibratie van het apparaat vereist. Omdat de vibratiemethode de versnellingsmeters eenvoudig in stagekabels installeert, kan deze methode op alle stagekabels worden toegepast, ongeacht of ze in gebruik of ingebouwd zijn. Zodra het trillingssignaal is gemeten door de accelerometer, wordt dit signaal in het tijdsdomein omgezet in de Power Spectrum Density (PSD) in het frequentiedomein. Om de spankracht en dempingsverhouding met behulp van een vibratiemethode te schatten, worden de modale frequenties (pieken in PSD's) geëxtraheerd via een peak-picking-methode.
Traditioneel voerde een mens handmatig peak-picking uit om de modale frequenties te selecteren. Deze methode is echter kwetsbaar voor vooringenomenheid, fouten en vermoeidheid van de operator. Met andere woorden, er treedt menselijke fout op. Als gevolg hiervan maakt het handmatige peak-picking een uitdaging voor realtime en langdurige monitoring. Er worden verschillende methoden voor geautomatiseerde peak-picking geïmplementeerd door pieken te selecteren die groter zijn dan een vooraf gedefinieerde drempelwaarde van de PSD, lokale maximumpunten een PSD binnen vooraf gedefinieerde frequentie-intervallen en pieken die worden gedetecteerd door op deep learning gebaseerde objectieve detectie, zoals varianten van Faster R-CNN en YOLO (hierna "deep-learning-methode" genoemd).
Deze methoden vereisen echter menselijke manipulatie voor vooraf gedefinieerde amplitude, frequentie-intervallen en trainingsproces. Bovendien is hun optimale instelling afhankelijk van het geval. In deze context kunnen deze methoden niet worden beschouwd als een volledig geautomatiseerde piek-picking-methode zonder voorafgaande instelling en menselijke manipulatie.
Dr. Jin zei: “Verblijfskabels hebben opmerkelijke fysieke kenmerken. De modale frequenties van de stay-kabels verschijnen periodiek of quasi-periodiek met hoge amplitudes. Om van de domeinkennis te genieten, kunnen we geschikte methoden uit andere disciplines zoeken. Onze hartslag maakt bijvoorbeeld periodieke pieken in ECG-signalen en we kunnen de hartslag berekenen door de periodieke pieken in realtime te tellen. De biomedische discipline is een van de gespecialiseerde velden voor het analyseren van periodieke pieken. We kunnen een van de methoden uit deze discipline gebruiken om de periodieke kenmerken van de modale frequenties te benutten. "
Bij het conceptualiseren van de ontwikkelde methode heeft het onderzoeksteam verschillende criteria opgesteld om uit andere disciplines de meest geschikte methode te selecteren. Ten eerste vereist het geen hyperparameters die vooraf door de gebruiker moeten worden gedefinieerd. Ten tweede zou het redelijk robuust moeten zijn tegen ruis en variabelen in signalen. Ten derde zouden hun computationele complexiteit en kosten bijna in realtime betaalbaar moeten zijn. Op basis van deze drie criteria selecteerde het onderzoeksteam drie algoritmen uit andere disciplines, zoals Bio and Brain Engineering, Raman Spectroscopy en Statistical Process Control. Omdat elke methode is ontwikkeld op basis van het specifieke doel van hun oorspronkelijke domein, heeft het onderzoeksteam ze op maat gemaakt om de onderzoekssynergie te versnellen.
De nieuw ontwikkelde methode werd geëvalueerd met behulp van echte verblijfskabels in drie tuibruggen in Zuid-Korea (in totaal 60 dataset). De voorgestelde methode wordt uitgebreid vergeleken met de methode van diep leren. De deep-learning-methode werkt niet goed als de kenmerken van de echte pieken verschillen van die van de pieken in de trainingsgegevens. De experimentele resultaten laten zien dat de ontwikkelde methode goed presteert, ongeacht de kenmerken van de echte PSD. Het presteert ook beter dan de modernste methoden in termen van nauwkeurigheid en robuustheid. En er zijn geen voorwaarden voor nodig. Ten slotte zijn de rekenkosten ervan erg goedkoop (minder dan 0.5 seconde in standaard personal computers) om te worden ingebouwd in goedkope slimme sensoren.
Dr. Jin zei: “Voor engineering is het belangrijkste ingrediënt onze domeinkennis. Het kan ons helpen om ons probleem te definiëren en een juiste oplossing te ontwikkelen. We zullen onze methode toepassen op andere veldgegevens voor generalisatie en deze verbeteren. Een dergelijk iteratief proces is inherent en erg belangrijk. We hopen dat onze methode ons kan begeleiden om een stap te zetten naar autonome monitoringsystemen. ”
###
Korea Institute of Civil Engineering and Building Technology (KICT) is een door de overheid gesponsord onderzoeksinstituut dat is opgericht om bij te dragen aan de ontwikkeling van de Koreaanse bouwsector en nationale economische groei door het ontwikkelen van brontechnologie en praktische technologie op het gebied van constructie en nationaal landbeheer.
Dit onderzoeksproject wordt gefinancierd door de National Research Foundation of Korea (NRF) subsidie gefinancierd door de Koreaanse overheid (MSIT). (Nr.2020R1C1C1009236). Een artikel waarin de resultaten van dit onderzoek worden uitgelegd, is gepubliceerd in Volume 126 van Automatisering in de bouw, een gerenommeerd internationaal tijdschrift in de categorie ENGINEERING, CIVIL (IF: 5.669, top 2.239% van JCR).
- Dagboekpapier
Jin et al. (2021), Volledig geautomatiseerde piekverzamelmethode voor een autonoom kabelbewakingssysteem in tuibruggen, Automatisering in de bouw, Vol. 126, 103628; https: /
Coinsmart. Beste Bitcoin-beurs in Europa
Bron: https://bioengineer.org/ai-is-not-perfect-domain-knowledge-is-a-key-in-engineering/
