Dynamics of Civil Structures, Volume 2 - Proceedings of the 41st IMAC, A Conference and Exposition on Structural Dynamics 2023
Dynamics of Civil Structures, Volume 2 - Proceedings of the 41st IMAC, A Conference and Exposition on Structural Dynamics 2023
复制标题
土木结构动力学，第 2 卷 - 第 41 届 IMAC 会议论文集，2023 年结构动力学会议和博览会
DOI：
10.1007/978-3-031-36663-5_19
复制
发表时间：
2024
期刊：
影响因子：
--
通讯作者：
Brennan D
中科院分区：
文献类型：
--
作者：
Brennan D
基于群体的结构健康监测（PBSHM）旨在获得更多的见解时，使用的数据在整个人口的类似结构的结构的健康，相比，可用的洞察力时，只使用来自一个单一的结构。在知识可以跨结构传递之前，必须建立群体内结构（或子结构）之间的相似性。本系列的第一篇论文探讨了使用图神经网络（GNN）通过PBSHM数据库中存储的结构的不可约元素（IE）模型表示来计算相似性度量。虽然到目前为止探索的工作使用纯拓扑匹配来确定相似性，本章建立在上述研究的基础上，并探讨了使用最近推出的规范形式（CF）匹配的可行性。
Population-based Structural Health Monitoring (PBSHM) aims to gain additional insights on the health of a structure when using data available across a population of similar structures, as compared to the insight available when using only data from a single structure. Before knowledge can be transferred across structures, the similarity between structures (or substructures) within the population must be established. The first paper in this series explored the use of Graph Neural Networks (GNNs), to compute similarity measures via an Irreducible Element (IE) model representation of structures stored within the PBSHM database. While the work explored so far uses a pure topological matching to determine the similarity, this chapter builds upon the aforementioned research and explores the viability of matching using the recently introduced Canonical Form (CF).