A Bayesian state-space approach for damage detection and classification

مشکل تشخیص آسیب خودکار در سازه های مدنی پیچیده است و نیاز به یک سیستم است که می تواند داده های سنسور جمع آوری شده را به اطلاعات معنی دار تفسیر کند. ما مدل جدید بیزی برای تغییر وابستگی به مشکلات تشخیص و طبقه بندی آسیب را اعمال می کنیم. مدل مبتنی بر یک رویکرد حالت فضایی است که برای فرایندهای اندازه گیری پر سر و صدا و داده های گمشده مورد استفاده قرار می گیرد که همچنین وابستگی زمانی زمانی بین مکان های اندازه گیری را نشان می دهد که جریان اطلاعات بالقوه درون ساختار را در بر می گیرد. الگوریتم نمونه گیری گیبس به طور همزمان برای تعیین حالت های پنهان، پارامترهای دینامیک حالت، نمودار وابستگی و هر گونه تغییر در رفتار استفاده می شود. با استفاده از رویکرد کاملا بیزی، ما می توانیم عدم قطعیت در این متغیرها را از طریق توزیع خلفی آن مشخص کنیم و برآوردهای احتمالی وقوع آسیب یا یک سناریوی آسیب خاص را ارائه دهیم. ما همچنین یک روش طبقه بندی تک کلاس را اجرا می کنیم که برای بیشتر شرایط واقع در دنیای واقعی که داده های آموزشی برای ساختار آسیب دیده موجود نیست، واقع گرایانه تر است. ما روش را با داده های آزمایشی آزمایش از یک ساختار مدل آزمایشگاهی و داده های شتاب سنج از یک ساختار دنیای واقعی در شرایط مختلف محیط زیست و تحریک نشان می دهیم.