Damage in structures often leads to failure. Thus it is very important to monitor structures for the occurrence of damage. When damage happens in a structure the consequence is a change in its modal parameters such as natural frequencies and mode shapes. Artificial Neural Networks (ANNs) are inspired by human biological neurons and have been applied for damage identification with varied success. Natural frequencies of a structure have a strong effect on damage and are applied as effective input parameters used to train the ANN in this study. The applicability of ANNs as a powerful tool for predicting the severity of damage in a model steel girder bridge is examined in this study. The data required for the ANNs which are in the form of natural frequencies were obtained from numerical modal analysis. By incorporating the training data, ANNs are capable of producing outputs in terms of damage severity using the first five natural frequencies. It has been demonstrated that an ANN trained only with natural frequency data can determine the severity of damage with a 6.8% error. The results shows that ANNs trained with numerically obtained samples have a strong potential for structural damage identification.
대부분의 대공간구조물은 극장, 스타디움, 체육관 등 공공성을 가지게 되어 내진안전성에 있어서 중요성이 많이 인식되고 있다. 그러나 구조형식 및 형상에 관하여 다양성을 가지고 있는 대공간구조물이 동적하중인 지진하중을 받을 때 나타나는 구조물의 거동은 파악하기 힘들다. 본 논문에서는 대공간구조의 주 구조요소인 아치구조물에 대하여 고유진동모드를 검토하였고 모의지진파를 입력하여 지진거동특성을 분석한 결과로서 아치구조물은 설계가속도스펙트럼의 크기보다 장주기 성분에 더 많은 영향을 받는다는 것을 파악하였다.
Safety service improvement and development of efficient maintenance strategies for corroded steel structures are undeniably essential. Therefore, understanding the influence of damage caused by corrosion on the remaining load-carrying capacities such as tensile strength is required. In this study, artificial neural network (ANN) approach is proposed in order to produce a simple, accurate, and inexpensive method developed by using tensile test results, material properties and finite element method (FEM) results to train the ANN model. Initially in reproducing corroded model process, FEM was used to obtain tensile strength of artificial corroded plates, for which surface is developed by a spatial autocorrelation model. By using the corroded surface data and material properties as input data, with tensile strength as the output data, the ANN model could be trained. The accuracy of the ANN result was then verified by using leave-one-out cross-validation (LOOCV). As a result, it was confirmed that the accuracy of the ANN approach and the final output equation was developed for predicting tensile strength without tensile test results and FEM in further work. Though previous studies have been conducted, the accuracy results are still lower than the proposed ANN approach. Hence, the proposed ANN model now enables us to have a simple, rapid, and inexpensive method to predict residual tensile strength more accurately due to corrosion in steel structures.
Delamination crack detection is very important for improving the structural reliability of laminated composite structures. This requires real-time delamination detection technologies. For composite laminates that are reinforced with carbon fiber, an electrical potential method uses carbon fiber for reinforcements and sensors at the same time. The use of carbon fiber for sensors does not need to consider the strength reduction of smart structures induced by imbedding sensors into the structures. With carbon fiber reinforced (CF/) epoxy matrix composites, it had been proved that the delamination crack was detected experimentally. In the present study, therefore, similar experiments were conducted to prove the applicability of the method for delamination crack detection of CF/polyetherethereketone matrix composite laminates. Mode I and mode II delamination tests with artificial cracks were conducted, and three point bending tests without artificial cracks were conducted. This study experimentally proves the applicability of the method for detection of delamination cracks. CF/polyetherethereketone material has strong electric resistance anisotropy. For CF/polyetherethereketone matrix composites, a carbon fiber network is constructed, and the network is broken by propagation of delamination cracks. This causes a change in the electric resistance of CF/polyetherethereketone matrix composites. Using three point bending specimens, delamination cracks generated without artificial initial cracks is proved to be detectable using the electric potential method: This method successfully detected delamination cracks.
This paper focuses on the application of artificial neural networks (ANN) for optimal design of tensegrity grid as light-weight roof structures. A tensegrity grid, 2 m ${\times}$ 2 m in size, is fabricated by integrating four single tensegrity modules based on half-cuboctahedron configuration, using galvanised iron (GI) pipes as struts and high tensile stranded cables as tensile elements. The structure is subjected to destructive load test during which continuous monitoring of the prestress levels, key deflections and strains in the struts and the cables is carried out. The monitored structure is analyzed using finite element method (FEM) and the numerical model verified and updated with the experimental observations. The paper then explores the possibility of applying ANN based on multilayered feed forward back propagation algorithm for designing the tensegrity grid structure. The network is trained using the data generated from a finite element model of the structure validated through the physical test. After training, the network output is compared with the target and reasonable agreement is found between the two. The results demonstrate the feasibility of applying the ANNs for design of the tensegrity structures.
This study develops a two stage procedure to identify the structural damage based on the optimized artificial neural networks. Initially, the modal strain energy index (MSEI) is established to extract the damaged elements and to reduce the computational time. Then the genetic algorithm (GA) and artificial neural networks (ANNs) are combined to detect the damage severity. The input of the network is modal strain energy index and the output is the flexural stiffness of the beam elements. The principal component analysis (PCA) is utilized to reduce the input variants of the neural network. By using the genetic algorithm to optimize the parameters, the ANNs can significantly improve the accuracy and convergence of the damage identification. The influence of noise on damage identification results is also studied. The simulation and experiment on beam structures shows that the adaptive parameter selection neural network can identify the damage location and severity of beam structures with high accuracy.
The paper proposes two hybrid metaheuristic optimization and artificial neural network (ANN) methods for the close prediction of the ultimate axial compressive capacity of concentrically loaded concrete filled double skin steel tube (CFDST) columns. Two metaheuristic optimization, namely genetic algorithm (GA) and particle swarm optimization (PSO), approaches enable the dynamic training architecture underlying an ANN model by optimizing the number and sizes of hidden layers as well as the weights and biases of the neurons, simultaneously. The former is termed as GA-ANN, and the latter as PSO-ANN. These techniques utilize the gradient-based optimization with Bayesian regularization that enhances the optimization process. The proposed GA-ANN and PSO-ANN methods construct the predictive ANNs from 125 available experimental datasets and present the superior performance over standard ANNs. Both the hybrid GA-ANN and PSO-ANN methods are encoded within a user-friendly graphical interface that can reliably map out the accurate ultimate axial compressive capacity of CFDST columns with various geometry and material parameters.
Ruiz, Christian C.;Caballero, Jose L.;Martinez, Juan H.;Aperador, Willian A.
Advances in concrete construction
/
제9권3호
/
pp.257-265
/
2020
Many failures of concrete structures are related to steel corrosion. For this reason, it is important to recognize how the carbonation can affect the durability of reinforced concrete structures. The repeatability of the carbonation depth measure in a specimen of concrete sprayed with a phenolphthalein solution is consistently low whereby it is necessary to have an impartial method to measure the carbonation depth. This study presents two automatic algorithms to detect the non-carbonated zone in concrete specimens. The first algorithm is based solely on digital processing image (DPI), mainly morphological and threshold techniques. The second algorithm is based on artificial intelligence, more specifically on an array of Kohonen networks, but also using some DPI techniques to refine the results. Moreover, another algorithm was developed with the purpose of measure the carbonation depth from the image obtained previously.
This study is intended to propose a systematic procedure for the development of the conditional assessment based on the safety of structures and the cost effective performance criteria for designing and upgrading of bridge structures. As a result, a set of cost function models for a life cycle cost analysis of bridge structures is proposed and thus the expected total life cycle costs (ETLCC) including initial (design, testing and construction) costs and direct/indirect damage costs considering repair and replacement costs, human losses and property damage costs, road user costs, and indirect regional economic losses costs. Also, the optimum safety indices are presented based on the expected total cost minimization function using only three parameters of the failure cost to the initial cost (${\tau}$), the extent of increased initial cost by improvement of safety (${\nu}$) and the order of an initial cost function (n). Through the enough numerical invetigations, we can positively conclude that the proposed optimum design procedure for bridge structures based on the ETLCC will lead to more rational, economical and safer design.
Shahbazi, Yaser;Delavari, Ehsan;Chenaghlou, Mohammad Reza
Smart Structures and Systems
/
제13권1호
/
pp.81-98
/
2014
This paper presents the elastic buckling of smart lightweight column structures integrated with a pair of surface piezoelectric layers using artificial intelligence. The finite element modeling of Smart lightweight columns is found using $ANSYS^{(R)}$ software. Then, the first buckling load of the structure is calculated using eigenvalue buckling analysis. To determine the accuracy of the present finite element analysis, a compression study is carried out with literature. Later, parametric studies for length variations, width, and thickness of the elastic core and of the piezoelectric outer layers are performed and the associated buckling load data sets for artificial intelligence are gathered. Finally, the application of soft computing-based methods including artificial neural network (ANN), fuzzy inference system (FIS), and adaptive neuro fuzzy inference system (ANFIS) were carried out. A comparative study is then made between the mentioned soft computing methods and the performance of the models is evaluated using statistic measurements. The comparison of the results reveal that, the ANFIS model with Gaussian membership function provides high accuracy on the prediction of the buckling load in smart lightweight columns, providing better predictions compared to other methods. However, the results obtained from the ANN model using the feed-forward algorithm are also accurate and reliable.
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.