Les Inscriptions à la Bibliothèque sont ouvertes en
ligne via le site: https://biblio.enp.edu.dz
Les Réinscriptions se font à :
• La Bibliothèque Annexe pour les étudiants en
2ème Année CPST
• La Bibliothèque Centrale pour les étudiants en Spécialités
A partir de cette page vous pouvez :
| Retourner au premier écran avec les recherches... |
Détail de l'auteur
Auteur S. K. Au
Documents disponibles écrits par cet auteur
Affiner la rechercheFast bayesian ambient modal identification incorporating multiple setups / S. K. Au in Journal of engineering mechanics, Vol. 138 N° 7 (Juillet 2012)
in Journal of engineering mechanics > Vol. 138 N° 7 (Juillet 2012) . - pp.800–815.
Titre : Fast bayesian ambient modal identification incorporating multiple setups Type de document : texte imprimé Auteurs : S. K. Au, Auteur ; F. L. Zhang, Auteur Année de publication : 2012 Article en page(s) : pp.800–815. Note générale : Mécanique appliquée Langues : Anglais (eng) Mots-clés : Bayesian analysis Field tests Operational modal analysis Spectral analysis Résumé : In full-scale ambient vibration tests, many situations exist where it is required to obtain a detailed mode shape of a structure with a limited number of sensors. A common feasible strategy is to perform multiple setups with each one covering a different part of the structure while sharing some reference degrees of freedom (DOF) in common. Methods exist that assemble the mode shapes identified in individual setups to form a global one covering all measured DOF. This paper presents a fast Bayesian method for modal identification capable of incorporating the fast Fourier transform information in different setups consistent with probability logic. The method allows the global mode shape to be determined, taking into account the quality of data in different setups. A fast iterative algorithm is developed that allows practical implementation even for a large number of DOF. The method is illustrated with synthetic and field test data. Challenges of the mode shape assembly problem arising in field applications are investigated through a critical appraisal. ISSN : 0733-9399 En ligne : http://ascelibrary.org/doi/abs/10.1061/%28ASCE%29EM.1943-7889.0000385 [article] Fast bayesian ambient modal identification incorporating multiple setups [texte imprimé] / S. K. Au, Auteur ; F. L. Zhang, Auteur . - 2012 . - pp.800–815.
Mécanique appliquée
Langues : Anglais (eng)
in Journal of engineering mechanics > Vol. 138 N° 7 (Juillet 2012) . - pp.800–815.
Mots-clés : Bayesian analysis Field tests Operational modal analysis Spectral analysis Résumé : In full-scale ambient vibration tests, many situations exist where it is required to obtain a detailed mode shape of a structure with a limited number of sensors. A common feasible strategy is to perform multiple setups with each one covering a different part of the structure while sharing some reference degrees of freedom (DOF) in common. Methods exist that assemble the mode shapes identified in individual setups to form a global one covering all measured DOF. This paper presents a fast Bayesian method for modal identification capable of incorporating the fast Fourier transform information in different setups consistent with probability logic. The method allows the global mode shape to be determined, taking into account the quality of data in different setups. A fast iterative algorithm is developed that allows practical implementation even for a large number of DOF. The method is illustrated with synthetic and field test data. Challenges of the mode shape assembly problem arising in field applications are investigated through a critical appraisal. ISSN : 0733-9399 En ligne : http://ascelibrary.org/doi/abs/10.1061/%28ASCE%29EM.1943-7889.0000385
in Journal of engineering mechanics > Vol. 130 N°3 (Mars 2004) . - 303-311 p.
Titre : Probabilistic Failure Analysis by Importance Sampling Markov Chain Simulation Titre original : Analyse Probabiliste d'Echec par la Simulation à Chaînes d'Importance D'Echantillon de Markov Type de document : texte imprimé Auteurs : S. K. Au, Auteur ; George Deodatis, Editeur scientifique Article en page(s) : 303-311 p. Note générale : Génie Mécanique Langues : Anglais (eng) Mots-clés : Monte Carlo method Probabilistic methods Reliability analysis Structural failures Markov chains Sampling Méthode de Monte-Carlo Méthodes probabilistes Fiabilité Défaillances de structure Chaînes de Markov Prélèvement Index. décimale : 621.34/624 Résumé : A Probabilistic approach for failure analysis is presented in this paper, which investigates the probable scenarios that occur in case of failure of engineering systems with uncertainties. Failure analysis can be carried out by studying the statistics of system behavior corresponding to the random samples of uncertain parameters that are distributed as the conditional distribution given that the failure event has occurred. This necessitates the efficient generation of conditional samples, which is in general a highly nontrivial task. A simulation method based on Markov Chain Monte Carlo simulation is proposed to efficiently generate the conditional samples. It makes use of the samples generated from importance sampling simulation when the performance reliability is computed. The conditional samples can be used for statistical averaging to yield unbiased and consistent estimate of conditional expectations of interest for failure analysis. Examples are given to illustrate the application of the proposed simulation method to probabilistic failure analysis of static and dynamic structural systems.
Une Approche probabiliste pour l'analyse d'échec est présentée en cet article, qui étudie les scénarios probables qui se produisent en cas d'échec des systèmes de technologie avec des incertitudes. L'analyse d'échec peut être effectuée en étudiant les statistiques du comportement de système correspondant aux échantillons aléatoires de paramètres incertains qui sont distribués sous forme de la distribution conditionnelle étant donné que l'événement d'échec s'est produit. Ceci rend nécessaire la génération efficace des échantillons conditionnels, qui est en général que fortement un non trivial charge. On propose une méthode de simulation basée sur la simulation à chaînes de Markov Monte Carlo pour produire efficacement des échantillons conditionnels. Elle se sert des échantillons produits de la simulation de prélèvement d'importance quand la fiabilité d'exécution est calculée. Les échantillons conditionnels peuvent être employés pour faire la moyenne statistique pour rapporter à évaluation impartiale et conformée des espérances conditionnelles d'intérêt pour l'analyse d'échec. Des exemples sont donnés pour illustrer l'application de la méthode proposée de simulation à l'analyse probabiliste d'échec des systèmes structuraux statiques et dynamiques.
En ligne : cskau@ntu.edu.sg [article] Probabilistic Failure Analysis by Importance Sampling Markov Chain Simulation = Analyse Probabiliste d'Echec par la Simulation à Chaînes d'Importance D'Echantillon de Markov [texte imprimé] / S. K. Au, Auteur ; George Deodatis, Editeur scientifique . - 303-311 p.
Génie Mécanique
Langues : Anglais (eng)
in Journal of engineering mechanics > Vol. 130 N°3 (Mars 2004) . - 303-311 p.
Mots-clés : Monte Carlo method Probabilistic methods Reliability analysis Structural failures Markov chains Sampling Méthode de Monte-Carlo Méthodes probabilistes Fiabilité Défaillances de structure Chaînes de Markov Prélèvement Index. décimale : 621.34/624 Résumé : A Probabilistic approach for failure analysis is presented in this paper, which investigates the probable scenarios that occur in case of failure of engineering systems with uncertainties. Failure analysis can be carried out by studying the statistics of system behavior corresponding to the random samples of uncertain parameters that are distributed as the conditional distribution given that the failure event has occurred. This necessitates the efficient generation of conditional samples, which is in general a highly nontrivial task. A simulation method based on Markov Chain Monte Carlo simulation is proposed to efficiently generate the conditional samples. It makes use of the samples generated from importance sampling simulation when the performance reliability is computed. The conditional samples can be used for statistical averaging to yield unbiased and consistent estimate of conditional expectations of interest for failure analysis. Examples are given to illustrate the application of the proposed simulation method to probabilistic failure analysis of static and dynamic structural systems.
Une Approche probabiliste pour l'analyse d'échec est présentée en cet article, qui étudie les scénarios probables qui se produisent en cas d'échec des systèmes de technologie avec des incertitudes. L'analyse d'échec peut être effectuée en étudiant les statistiques du comportement de système correspondant aux échantillons aléatoires de paramètres incertains qui sont distribués sous forme de la distribution conditionnelle étant donné que l'événement d'échec s'est produit. Ceci rend nécessaire la génération efficace des échantillons conditionnels, qui est en général que fortement un non trivial charge. On propose une méthode de simulation basée sur la simulation à chaînes de Markov Monte Carlo pour produire efficacement des échantillons conditionnels. Elle se sert des échantillons produits de la simulation de prélèvement d'importance quand la fiabilité d'exécution est calculée. Les échantillons conditionnels peuvent être employés pour faire la moyenne statistique pour rapporter à évaluation impartiale et conformée des espérances conditionnelles d'intérêt pour l'analyse d'échec. Des exemples sont donnés pour illustrer l'application de la méthode proposée de simulation à l'analyse probabiliste d'échec des systèmes structuraux statiques et dynamiques.
En ligne : cskau@ntu.edu.sg
