한국지진공학회 1998년도 춘계 학술발표회 논문집 Proceedings of EESK Conference-Spring 1998
/
pp.131-138
/
1998
Structural damage is used to be modeled through reductions in the stiffness of structural elements for the purpose of damage estimation of structural system. In this study, the concept of joint damage is employed for more realistic damage assessment of a steel structure. The joint damage is estimated damage based on the mode shape informations using neural networks. The beam-to-column connection in a steel frame structure is represented by a rotational spring at the fixed end of a beam element. The severity of joint damage is defined as the reduction ratio of the connection stiffness with respect to the value of the intact joint. The concept of the substructural identification is used for the localized damage assessment in a large structure. The feasibility of the proposed method is examined using an example with simulated data. It has been found that the joint damages can be reasonably estimated for the case with the measurements of the mode vectors subjected to noise.
A sudden change of stiffness in a structure, associated with the events such as weld fracture and brace breakage, will cause a discontinuity in acceleration response time histories recorded in the vicinity of damage location at damage time instant. A new damage index is proposed and implemented in this paper to detect the damage time instant, location, and severity of a structure due to a sudden change of structural stiffness. The proposed damage index is suitable for online structural health monitoring applications. It can also be used in conjunction with the empirical mode decomposition (EMD) for damage detection without using the intermittency check. Numerical simulation using a five-story shear building under different types of excitation is executed to assess the effectiveness and reliability of the proposed damage index and damage detection approach for the building at different damage levels. The sensitivity of the damage index to the intensity and frequency range of measurement noise is also examined. The results from this study demonstrate that the damage index and damage detection approach proposed can accurately identify the damage time instant and location in the building due to a sudden loss of stiffness if measurement noise is below a certain level. The relation between the damage severity and the proposed damage index is linear. The wavelet-transform (WT) and the EMD with intermittency check are also applied to the same building for the comparison of detection efficiency between the proposed approach, the WT and the EMD.
A damage estimation method for support structure of offshore wind turbine using modal parameters is presented for effective structural health monitoring. Natural frequencies and mode shapes for a support structure with monopile of an offshore wind turbine were calculated considering soil condition and added mass. A neural network was learned based on training patterns generated by the changes of natural frequency and mode shape due to various damages. Natural frequencies and mode shapes for 10 prospective damage cases were input to the trained neural network for damage estimation. The identified damage locations and severities agreed reasonably well with the accurate damages. Multi-damage cases could also be successfully estimated. Enhancement of estimation result using another parameters as input to neural network will be carried out by further study. Proposed method could be applied to other type of support structure of offshore wind turbine for structural health monitoring.
Traditional approaches for structural health monitoring (SHM) seldom take ambient uncertainty (temperature, humidity, ambient vibration) into consideration, while their impacts on structural responses are substantial, leading to a possibility of raising false alarms. A few predictors model-based approaches deal with these uncertainties through complex numerical models running online, rendering the SHM approach to be compute-intensive, slow, and sometimes not practical. Also, with model-based approaches, the imperative need for a precise understanding of the structure often poses a problem for not so well understood complex systems. The present study employs a data-based approach coupled with Empirical mode decomposition (EMD) to correlate recorded response time histories under varying temperature conditions to corresponding damage scenarios. EMD decomposes the response signal into a finite set of intrinsic mode functions (IMFs). A two-dimensional Convolutional Neural Network (2DCNN) is further trained to associate these IMFs to the respective damage cases. The use of IMFs in place of raw signals helps to reduce the impact of sensor noise while preserving the essential spatio-temporal information less-sensitive to thermal effects and thereby stands as a better damage-sensitive feature than the raw signal itself. The proposed algorithm is numerically tested on a single span bridge under varying temperature conditions for different damage severities. The dynamic strain is recorded as the response since they are frame-invariant and cheaper to install. The proposed algorithm has been observed to be damage sensitive as well as sufficiently robust against measurement noise.
A two-step procedure to detect and quantify damages in structures from changes in curvature mode shapes is presented here. In the first step the maximum difference in curvature mode shapes of the undamaged and damaged structure are used for visual identification of the damaged internal-substructure. In the next step, the identified substructures are searched using unified particle swarm optimization technique for exact identification of damage location and amount. Efficiency of the developed procedure is demonstrated using beam like structures. This methodology may be extended for identifying damages in general frame structures.
This study develops a damage detection method based on neural networks. The performance of the method is numerically and experimentally verified using a three-story shear building model. The framework is mainly composed of two hierarchical stages to identify damage location and extent using artificial neural network (ANN). The normalized damage signature index, that is a normalized ratio of the changes in the natural frequency and mode shape caused by the damage, is used to identify the damage location. The modal parameters extracted from the numerically developed structure for multiple damage scenarios are used to train the ANN. The positive alarm from the first stage of damage detection activates the second stage of ANN to assess the damage extent. The difference in mode shape vectors between the intact and damaged structures is used to determine the extent of the related damage. The entire procedure is verified using laboratory experiments. The damage is artificially modeled by replacing the column element with a narrow section, and a stochastic subspace identification method is used to identify the modal parameters. The results verify that the proposed method can accurately detect the damage location and extent.
구조물의 손상 추정은 동적응답신호로부터 고유주기와 모드형상을 구한 후 이를 역해석하여 손상위치와 손상정도를 파악함으로써 이루어 진다. 건축구조물의 경우 토목구조물에 비하여 구조형식이 복잡하고 비구조요소 및 노이즈 등의 영향으로 인하여 구조물 판별에 어려움이 있다. 동적응답신호를 이용한 건물의 손상추정에 관한 최근의 연구들은 손상추정을 위하여 민감도 또는 추정치 등 간접적 지표를 사용하고 있으나, 좀 더 합리적이고 명확한 손상추정을 위하여 운동방정식으로부터 직접 유도된 변수를 손상지수로 활용할 필요가 있을 것으로 판단된다. 따라서 본 연구에서는 전단형 건물의 운동방정식으로부터 직접 유도된 층강성 감소비를 손상지수로 하는 손상추정 방법을 제안하였다. 제안된 손상지수는 손상 전 모드형상과 손상 전 후 고유진동수 차이를 알면 구할 수 있다. 제안된 손상 추정방법을 수치해석예제에 적용한 결과 손상이 발생한 층에서 층강성 변화율이 (-)부호를 나타내었으며, 크기가 다른 층에 비하여 15배 정도 크게 나타나 전단형 건물의 손상 추정지수로서 활용될 수 있을 것으로 판단된다.
Since the conventional direct approaches are hard to be applied for damage diagnosis of complex large-scale structures, a two-step approach for diagnosing the joint damage of framed structures is presented in this paper by using artificial neural networks. The first step is to judge the damaged areas of a structure, which is divided into several sub-areas, using probabilistic neural networks with natural Frequencies Shift Ratio inputs. The next step is to diagnose the exact damage locations and extents by using the Radial Basis Function (RBF) neural network with the second Element End Strain Mode of the damaged sub-area input. The results of numerical simulation show that the proposed approach could diagnose the joint damage of framed structures induced by earthquake action effectively and has reliable anti-jamming abilities.
Dehcheshmeh, M. Mohamadi;Hosseinzadeh, A. Zare;Amiri, G. Ghodrati
Smart Structures and Systems
/
제25권1호
/
pp.47-56
/
2020
This paper proposes a model-based approach for structural damage identification and quantification. Using pseudo modal strain energy and mode shape vectors, a damage-sensitive objective function is introduced which is suitable for damage estimation and quantification in shear frames. Whale optimization algorithm (WOA) is used to solve the problem and report the optimal solution as damage detection results. To illustrate the capability of the proposed method, a numerical example of a shear frame under different damage patterns is studied in both ideal and noisy cases. Furthermore, the performance of the WOA is compared with particle swarm optimization algorithm, as one the widely-used optimization techniques. The applicability of the method is also experimentally investigated by studying a six-story shear frame tested on a shake table. Based on the obtained results, the proposed method is able to assess the health of the shear building structures with high level of accuracy.
A damage detection method for the tripod support structure of offshore wind turbines is presented for structural health monitoring. A finite element model of a prototype tripod support structure is established and the modal properties are calculated. The degree and location of the damage are estimated based on the neural network technique using the changes of natural frequencies and mode shape due to the damage. The stress distribution occurring in the support structure is obtained by a dynamic analysis for the wind turbine system to select the output data of the neural network. The natural frequencies and mode shapes for 36 possible damage scenarios were used for the input data of the learned neural network for damage assessment. The estimated damages agreed reasonably well with the accurate ones. The presented method could be effectively applied for damage detection and structural health monitoring of various types of support structures of offshore wind turbines.
이메일무단수집거부
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.