Bridge damage detection under variability using machine learning: real data implementation
Aquesta tesi proposa una metodologia per detectar i localitzar danys en ponts sotmesos a càrregues de trànsit i variabilitat ambiental. Utilitzant senyals d'acceleració d'un pont atirantat a la Xina, la Descomposició Modal Variacional (VMD) i la Transformada de Hilbert extreuen freqüències...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis de maestría |
| Fecha de publicación: | 2024 |
| País: | España |
| Institución: | Universitat Politècnica de Catalunya (UPC) |
| Repositorio: | UPCommons. Portal del coneixement obert de la UPC |
| Idioma: | inglés |
| OAI Identifier: | oai:upcommons.upc.edu:2117/420717 |
| Acceso en línea: | https://hdl.handle.net/2117/420717 |
| Access Level: | acceso abierto |
| Palabra clave: | Structural control (Engineering) Structural Health Monitoring (SHM) Bridge Damage Detection Traffic and Environmental Variability Variational Mode Decomposition (VMD) Hilbert Huang Transform (HHT) Principal Component Analysis (PCA) K-means Clustering Control d'estructures (Enginyeria) Àrees temàtiques de la UPC::Enginyeria civil::Enginyeria hidràulica, marítima i sanitària::Ports i costes |
| Sumario: | Aquesta tesi proposa una metodologia per detectar i localitzar danys en ponts sotmesos a càrregues de trànsit i variabilitat ambiental. Utilitzant senyals d'acceleració d'un pont atirantat a la Xina, la Descomposició Modal Variacional (VMD) i la Transformada de Hilbert extreuen freqüències instantànies sensibles al dany. Els efectes ambientals s'eliminen utilitzant l'Anàlisi de Components Principals (PCA). Finalment, l'algoritme de clustering K-means detecta i localitza eficientment el dany. |
|---|