• Bài trích
  • Nhan đề: Nghiên cứu chẩn đoán hư hỏng kết cấu cầu dây văng một mặt phẳng dây sử dụng mạng BILSTM-10CNN cho dữ liệu theo thời gian
Tác giả CN Nguyễn Lê Minh Đăng
Nhan đề Nghiên cứu chẩn đoán hư hỏng kết cấu cầu dây văng một mặt phẳng dây sử dụng mạng BILSTM-10CNN cho dữ liệu theo thời gian
Tóm tắt Giám sát sức khỏe kết cấu (Structural Health Monitoring - SHM) dựa trên dữ liệu theo thời gian nhận được sự quan tâm lớn từ các nhà khoa học. Dữ liệu theo thời gian có khả năng thể hiện những biến đổi liên tục và lâu dài của kết cấu cầu, qua đó giúp phản ánh chính xác trạng thái ứng xử của cầu. Do đó, nghiên cứu này đề xuất phương pháp chuẩn đoán hư hỏng sử dụng kết hợp mạng Bộ Nhớ Ngắn Dài hạn hai chiều (Bidirectional Long Short- Term Memory - BiLSTM) kết hợp mạng Tích Chập một chiều (One-Dimensional Convolutional Neural Netvvorks - 1DCNN). Sự kết hợp này giúp cho việc chuẩn đoán đạt kết quả tốt hơn khi hai mạng có ưu thế trong việc nắm bắt các phụ thuộc dài hạn trong dữ liệu chuỗi thời gian. Để đánh giá hiệu quả của mô hình BILSTM-10CNN, nghiên cứu được kiểm chứng trên bộ dữ liệu mô hình cầu dây văng một mặt phẳng dây trong phòng thí nghiệm, trường Đại học Giao thông Vận tải. Kết quả cho thấy, phương pháp kết hợp đề xuất mang lại hiệu suất vượt trội so với mô hình học sâu duy nhất 10CNN và BiLSTM - với độ chính xác lần lượt trên tập kiểm thử là 91.1%, 78.3% và 83.1%.
Từ khóa tự do Chuẩn đoán hư hỏng
Từ khóa tự do Dữ liệu theo thời gian
Từ khóa tự do Mạng Bộ Nhớ Ngắn Dài hạn hai chiều
Từ khóa tự do Mạng Tích Chập một chiều
Tác giả(bs) CN Bùi Phúc Lộc
Tác giả(bs) CN Nguyễn Đức Lương
Tác giả(bs) CN Vũ Mạnh Trung
Nguồn trích Cầu đường Việt Nam2024-12-6tr. Số: 11 Tập: 2024
00000000nab#a2200000ui#4500
00156308
0026
004C4FF5868-0DB2-4FAD-9E2F-739462766171
005202412061433
008081223s VN| vie
0091 0
039|y20241206143259|zcuonglv
040 |aTV EAUT
041 |avie
044 |avm
10010|aNguyễn Lê Minh Đăng
245 |aNghiên cứu chẩn đoán hư hỏng kết cấu cầu dây văng một mặt phẳng dây sử dụng mạng BILSTM-10CNN cho dữ liệu theo thời gian
520 |aGiám sát sức khỏe kết cấu (Structural Health Monitoring - SHM) dựa trên dữ liệu theo thời gian nhận được sự quan tâm lớn từ các nhà khoa học. Dữ liệu theo thời gian có khả năng thể hiện những biến đổi liên tục và lâu dài của kết cấu cầu, qua đó giúp phản ánh chính xác trạng thái ứng xử của cầu. Do đó, nghiên cứu này đề xuất phương pháp chuẩn đoán hư hỏng sử dụng kết hợp mạng Bộ Nhớ Ngắn Dài hạn hai chiều (Bidirectional Long Short- Term Memory - BiLSTM) kết hợp mạng Tích Chập một chiều (One-Dimensional Convolutional Neural Netvvorks - 1DCNN). Sự kết hợp này giúp cho việc chuẩn đoán đạt kết quả tốt hơn khi hai mạng có ưu thế trong việc nắm bắt các phụ thuộc dài hạn trong dữ liệu chuỗi thời gian. Để đánh giá hiệu quả của mô hình BILSTM-10CNN, nghiên cứu được kiểm chứng trên bộ dữ liệu mô hình cầu dây văng một mặt phẳng dây trong phòng thí nghiệm, trường Đại học Giao thông Vận tải. Kết quả cho thấy, phương pháp kết hợp đề xuất mang lại hiệu suất vượt trội so với mô hình học sâu duy nhất 10CNN và BiLSTM - với độ chính xác lần lượt trên tập kiểm thử là 91.1%, 78.3% và 83.1%.
653 |aChuẩn đoán hư hỏng
653 |aDữ liệu theo thời gian
653 |aMạng Bộ Nhớ Ngắn Dài hạn hai chiều
653 |aMạng Tích Chập một chiều
700 |aBùi Phúc Lộc
700 |aNguyễn Đức Lương
700 |aVũ Mạnh Trung
7730 |tCầu đường Việt Nam|d2024-12-6|gtr.|v2024|i11
890|a0|b0|c1|d0
Không tìm thấy biểu ghi nào
Copyrights © Thư Viện Trường ĐH XÂY DỰNG HÀ NỘI