使用多类型和多位置PZT网络进行人工智能驱动的结构健康监测
Hasti Gharavi1, Farshid Taban2, Soroush Korivand3
1Department of Mechanical Engineering, Southern Methodist University, Dallas, TX 75205, USA.
Sensors (Basel, Switzerland)
|August 28, 2025
概括
这项研究引入了使用多种传感器预测混凝土强度的人工智能系统. 这种先进的结构健康监测 (SHM) 提供了准确的实时强度估计,以更好地做出建设决策.
科学领域:
- 土木工程
- 材料科学
- 人工智能
背景情况:
- 混凝土的压力强度对于结构完整性和施工时间表至关重要.
- 传统的非破坏性检测 (NDT) 方法缺乏可靠性和精度,特别是在早期的具体阶段.
- 需要先进的实时,现场混凝土强度评估方法.
研究的目的:
- 开发和验证基于人工智能的结构健康监测框架,用于预测混凝土的压力强度.
- 研究多类型和多位置压电传感器 (PZT) 与机器学习的集成效率.
- 通过实时强度估计, 能够做出更早,更可靠的建设决策.
主要方法:
- 在硬化过程中在混凝土立方体上的多个位置 (顶部,中间,底部,表面) 收集各种PZT传感器的信号.
- 使用来自传感器数据的完整和选定的特征集训练和评估多个机器学习模型.
- 使用特征重要性和主要组件分析 (PCA) 来分析数据并确认传感器异质性的好处.
主要成果:
- 结合多个PZT类型和位置显著提高了预测准确度.
- 使用选定的特征集,表现最好的模型达到高达95%的分类准确度.
- 功能重要性和PCA分析证实了使用不同类型和位置的传感器的价值.
结论:
- 采用人工智能增强的多传感器网络的SHM系统为实时混凝土强度估计提供了实用,非破坏性的方法.
- 这项技术支持更明智和及时的施工计划和结构性能的评估.
- 这些发现与行业标准相一致,
