関連する実験動画
Updated: May 12, 2026
07:46
Data Acquisition Protocol for Determining Embedded Sensitivity Functions
Published on: April 20, 2016
6.2K
マルチタイプおよびマルチポジションのPZTネットワークを使用したAI駆動構造健康モニタリング
Hasti Gharavi1, Farshid Taban2, Soroush Korivand3
1Department of Mechanical Engineering, Southern Methodist University, Dallas, TX 75205, USA.
Sensors (Basel, Switzerland)
|August 28, 2025
まとめ
この研究は,コンクリートの強さを予測するために様々なセンサーを使用する AI 駆動システムを導入します. この高度な構造状態モニタリング (SHM) は,よりよい建設決定のための正確な,リアルタイムの強度推定を提供します.
科学分野:
- 土木工学
- 材料科学
- 人工知能
背景:
- コンクリートの圧縮強さは 構造の整合性や 建設のタイムラインに不可欠です
- 伝統的な非破壊的試験 (NDT) は,特に初期のコンクリート段階で信頼性と精度が欠けている.
- コンクリートの強さを リアルタイムで 現場で評価するための 高度な方法が必要です
研究 の 目的:
- コンクリートの圧縮強さを予測するためのAI駆動構造健康モニタリング (SHM) フレームワークを開発し,検証する.
- 機械学習による多型,多位置ピエゾ電気センサー (PZT) の統合の有効性を調査する.
- リアルタイムの強度評価により 早期かつより信頼性の高い建設決定を可能にします
主な方法:
- 硬化中のコンクリート立方体上の複数の位置 (上,中,下,表面) で様々なPZTセンサから信号を収集します.
- センサーデータから得られた完全な機能セットを使用して複数の機械学習モデルをトレーニングし,評価しました.
- データを分析し,センサーの異質性の利点を確認するために,機能の重要性と主要コンポーネント分析 (PCA) を利用しました.
主要な成果:
- 複数の PZT タイプと位置を組み合わせることで 予測の精度が大幅に向上しました
- 最高性能のモデルは,選択された機能セットを使用して,最大95%の分類精度を達成しました.
- 特徴の重要性とPCA分析は,さまざまなセンサータイプと位置を使用する価値を確認しました.
結論:
- マルチセンサネットワークを備えたAIで強化されたSHMシステムは,コンクリートの強さをリアルタイムで推定するための実用的で破壊的でないアプローチを提供します.
- この技術により 建設スケジュールと 構造性能の評価が より情報に基づいて 及ばれるようになります
- この調査結果は,建設慣行と信頼性の向上に関する業界標準と一致しています.
