Documents disponibles écrits par cet auteur

Baseline Models for Bridge Performance Monitoring / Feng, Maria Q. in Journal of engineering mechanics, Vol. 130 N°5 (Mai 2004) 

Public ISBD [article]  in Journal of engineering mechanics > Vol. 130 N°5 (Mai 2004) . - 562-569 p. Titre : Baseline Models for Bridge Performance Monitoring Titre original : Modèles de Ligne de Base pour la Surveillance d'Exécution de Pont Type de document : texte imprimé Auteurs : Feng, Maria Q., Auteur ; Landis, Eric N., Editeur scientifique ; Yangbo Chen ; Yi, Jin-Hak ; Kim, Doo Kie, Auteur Article en page(s) : 562-569 p. Note générale : Génie Mécanique Langues : Anglais (eng) Mots-clés : Instrumentation  Vibration  measurement  Neural  networks  Bridges  Performance  evaluation  Monitoring  Signal  processing  Mesure  de  vibration  Réseaux  neurologiques  Ponts Index. décimale : 621.34/624 Résumé : A Baseline model is essential for long-term structural performance monitoring and evaluation. This study represents the first effort in applying a neural network-based system identification technique to establish and update a baseline finite element model of an instrumented highway bridge based on the measurement of its traffic-induced vibrations. The neural network approach is particularly effective in dealing with measurement of a large-scale structure by a limited number of sensors. In this study, sensor systems were installed on two highway bridges and extensive vibration data were collected, based on which modal parameters including natural frequencies and mode shapes of the bridges were extracted using the frequency domain decomposition method as well as the conventional peak picking method. Then an innovative neural network is designed with the input being the modal parameters and the output being the structural parameters of a three-dimensional finite element model of the bridge such as the mass and stiffness elements. After extensively training and testing through finite element analysis, the neural network became capable to identify, with a high level of accuracy, the structural parameter values based on the measured modal parameters, and thus the finite element model of the bridge was successfully updated to a baseline. The neural network developed in this study can be used for future baseline updates as the bridge being monitored periodically over its lifetime. Un Modèle de ligne de base est essentiel pour la surveillance et l'évaluation d'exécution structurales à long terme. Cette étude représente le premier effort en appliquant une technique basée d'identification de système de réseau neurologique pour établir et mettre à jour une grande ligne modèle fini d'élément d'un haut pont équipé de manière basé sur la mesure de ses vibrations induites par trafic. L'approche de réseau neurologique est particulièrement efficace en faisant face à la mesure d'une structure à grande échelle par un nombre limité de sondes. Dans cette étude, des systèmes de sonde ont été installés sur deux ponts en route et des données étendues de vibration ont été rassemblées, basé sur quels paramètres modaux comprenant des fréquences normales et formes de mode des ponts ont été extraits en utilisant la méthode de décomposition de domaine de fréquence aussi bien que la méthode maximale conventionnelle de cueillette. Alors un réseau neurologique innovateur est conçu avec l'entrée étant les paramètres modaux et le rendement étant les paramètres structuraux d'un modèle fini tridimensionnel d'élément du pont tel que les éléments de la masse et de rigidité. Après avoir intensivement formé et examiné par l'analyse finie d'élément, le réseau neurologique est devenu capable pour identifier, avec un niveau élevé d'exactitude, les valeurs de paramètre structurales basées sur les paramètres modaux mesurés, et le modèle fini d'élément du pont a été avec succès mis à jour ainsi à une ligne de base. Le réseau neurologique s'est développé dans cette étude peut être employé pour de futures mises à jour de ligne de base comme le pont étant surveillé périodiquement au-dessus de sa vie. En ligne : mfeng@uci.edu, kim2kie@kunsan.ac.kr, yijh@kaist.ac.kr [article] Baseline Models for Bridge Performance Monitoring = Modèles de Ligne de Base pour la Surveillance d'Exécution de Pont [texte imprimé] / Feng, Maria Q., Auteur ; Landis, Eric N., Editeur scientifique ; Yangbo Chen ; Yi, Jin-Hak ; Kim, Doo Kie, Auteur . - 562-569 p. Génie Mécanique Langues : Anglais (eng) in Journal of engineering mechanics > Vol. 130 N°5 (Mai 2004) . - 562-569 p. Mots-clés : Instrumentation  Vibration  measurement  Neural  networks  Bridges  Performance  evaluation  Monitoring  Signal  processing  Mesure  de  vibration  Réseaux  neurologiques  Ponts Index. décimale : 621.34/624 Résumé : A Baseline model is essential for long-term structural performance monitoring and evaluation. This study represents the first effort in applying a neural network-based system identification technique to establish and update a baseline finite element model of an instrumented highway bridge based on the measurement of its traffic-induced vibrations. The neural network approach is particularly effective in dealing with measurement of a large-scale structure by a limited number of sensors. In this study, sensor systems were installed on two highway bridges and extensive vibration data were collected, based on which modal parameters including natural frequencies and mode shapes of the bridges were extracted using the frequency domain decomposition method as well as the conventional peak picking method. Then an innovative neural network is designed with the input being the modal parameters and the output being the structural parameters of a three-dimensional finite element model of the bridge such as the mass and stiffness elements. After extensively training and testing through finite element analysis, the neural network became capable to identify, with a high level of accuracy, the structural parameter values based on the measured modal parameters, and thus the finite element model of the bridge was successfully updated to a baseline. The neural network developed in this study can be used for future baseline updates as the bridge being monitored periodically over its lifetime. Un Modèle de ligne de base est essentiel pour la surveillance et l'évaluation d'exécution structurales à long terme. Cette étude représente le premier effort en appliquant une technique basée d'identification de système de réseau neurologique pour établir et mettre à jour une grande ligne modèle fini d'élément d'un haut pont équipé de manière basé sur la mesure de ses vibrations induites par trafic. L'approche de réseau neurologique est particulièrement efficace en faisant face à la mesure d'une structure à grande échelle par un nombre limité de sondes. Dans cette étude, des systèmes de sonde ont été installés sur deux ponts en route et des données étendues de vibration ont été rassemblées, basé sur quels paramètres modaux comprenant des fréquences normales et formes de mode des ponts ont été extraits en utilisant la méthode de décomposition de domaine de fréquence aussi bien que la méthode maximale conventionnelle de cueillette. Alors un réseau neurologique innovateur est conçu avec l'entrée étant les paramètres modaux et le rendement étant les paramètres structuraux d'un modèle fini tridimensionnel d'élément du pont tel que les éléments de la masse et de rigidité. Après avoir intensivement formé et examiné par l'analyse finie d'élément, le réseau neurologique est devenu capable pour identifier, avec un niveau élevé d'exactitude, les valeurs de paramètre structurales basées sur les paramètres modaux mesurés, et le modèle fini d'élément du pont a été avec succès mis à jour ainsi à une ligne de base. Le réseau neurologique s'est développé dans cette étude peut être employé pour de futures mises à jour de ligne de base comme le pont étant surveillé périodiquement au-dessus de sa vie. En ligne : mfeng@uci.edu, kim2kie@kunsan.ac.kr, yijh@kaist.ac.kr