An Evaluation of Wooden House Health Monitoring System using PVDF Piezoelectric Sensor with 3-layer Neural Network and Inverted Binary-Data Augmentation
An Evaluation of Wooden House Health Monitoring System using PVDF Piezoelectric Sensor with 3-layer Neural Network and Inverted Binary-Data Augmentation
复制标题
使用具有 3 层神经网络和反向二进制数据增强的 PVDF 压电传感器的木屋健康监测系统评估
DOI：
10.1109/sami.2019.8782723
复制
发表时间：
2019
期刊：
影响因子：
--
通讯作者：
Kawahara Takayuki
中科院分区：
文献类型：
--
作者：
Takahashi Noriaki;Sakiyama Natsuhiko;Yamamoto Takuji;Kishi Sakuya;Hashizume Yoichiro;Nakajima Takashi;Yamamoto Takahiro;Hasegawa Mikio;Ito Takumi;Kawahara Takayuki
提出了一种基于人工智能芯片和聚偏氟乙烯(PVDF)压电传感器的木屋健康监测系统。在我们的实验中，我们在模拟日本茶室的试验台上振动，得到的波形数据被二值化，并用三层神经网络作为分类器进行训练。利用这个三层神经网络，我们确定了试验台的四个地震剪力墙中只有一个是受损的。比较了在训练时作为数据扩充而添加了“二进制化波形数据的每一位的反转数据”的情况和没有添加它们的情况。结果，在扩充数据时，准确率最多提高了10%。另外，安装在试验台中心南侧次构件上部的压电式传感器获得的数据识别率最高可达70.3%。我们打算进一步提高识别率，并在现场可编程门阵列(FPGA)中实现该分类器。
We propose a wooden house health monitoring system using an AI chip and polyvinylidene fluoride (PVDF) piezoelectric sensors. In our experiments, we vibrated a test bed simulating a Japanese tea room, and obtained waveform data were binarized to be trained with a 3-layer neural network as a classifier. Using this 3-layer neural network, we determined that only one of the test bed's four seismic shear walls was damaged. A comparison was made between cases where “inverted data for each bit of binarized waveform data” were added as data augmentation at the time of training and where they were not added. As a result, the accuracy rate improved by 10% at most when augmenting the data. In addition, the identification rate was a maximum of 70.3% for the data obtained by the piezoelectric sensor attached to the south side secondary member upper part located at the center of the test bed. We intend to further increase the identification rate and implement the classifier in a field-programmable gate array (FPGA).
登录
查看更多内容
全尺寸建筑物的模拟地震实验室负载测试
影响因子：
5
作者：
F. Seible;G. Hegemier;A. Igarashi
通讯作者：
A. Igarashi
使用压电传感器和机器学习进行木材健康监测
DOI：
10.1109/civemsa.2017.7995313
发表时间：
2017
期刊：
2017 IEEE International Conference on Computational Intelligence and Virtual Environments for Measurement Systems and Applications (CIVEMSA)
影响因子：
--
作者：
Ryo Oiwa;Takumi Ito;Takayuki Kawahara
通讯作者：
Takayuki Kawahara
偏二氟乙烯/三氟乙烯共聚物薄膜振动能量采集微型器件的基础研究
DOI：
--
发表时间：
2014
期刊：
影响因子：
--
作者：
T. Takiguchi;T. Sasaki;T. Nakajima;S. Yamaura;T. Sekiguchi;S. Shoji
通讯作者：
S. Shoji
使用人工智能传感器，使用包括支架的房屋模型，通过动态运动下的系统识别和损坏检测来监测木框架房屋结构健康
DOI：
10.1109/civemsa.2018.8439967
发表时间：
2018
期刊：
2018 IEEE International Conference on Computational Intelligence and Virtual Environments for Measurement Systems and Applications (CIVEMSA)
影响因子：
--
作者：
Ryo Tanida;Ryo Oiwa;Takumi Ito;Takayuki Kawahara
通讯作者：
Takayuki Kawahara
FPGA 上的随机权重二元神经网络
DOI：
10.1109/isne.2018.8394726
发表时间：
2018
期刊：
2018 7th International Symposium on Next Generation Electronics (ISNE)
影响因子：
--
作者：
Yasushi Fukuda;Takayuki Kawahara
通讯作者：
Takayuki Kawahara