Long-Term Structural Health Monitoring by Remote Sensing and Advanced Machine Learning (eBook)
110 Seiten
Springer Nature Switzerland (Verlag)
978-3-031-53995-4 (ISBN)
This book offers an in-depth investigation into the complexities of long-term structural health monitoring (SHM) in civil structures, specifically focusing on the challenges posed by small data and environmental and operational changes (EOCs). Traditional contact-based sensor networks in SHM produce large amounts of data, complicating big data management. In contrast, synthetic aperture radar (SAR)-aided SHM often faces challenges with small datasets and limited displacement data. Additionally, EOCs can mimic the structural damage, resulting in false errors that can critically affect economic and safety issues. Addressing these challenges, this book introduces seven advanced unsupervised learning methods for SHM, combining AI, data sampling, and statistical analysis. These include techniques for managing datasets and addressing EOCs. Methods range from nearest neighbor searching and Hamiltonian Monte Carlo sampling to innovative offline and online learning frameworks, focusing on data augmentation and normalization. Key approaches involve deep autoencoders for data processing and novel algorithms for damage detection. Validated using simulated data from the I-40 Bridge, USA, and real-world data from the Tadcaster Bridge, UK, these methods show promise in addressing SAR-aided SHM challenges, offering practical tools for real-world applications. The book, thereby, presents a comprehensive suite of innovative strategies to advance the field of SHM.
| Erscheint lt. Verlag | 21.2.2024 |
|---|---|
| Reihe/Serie | PoliMI SpringerBriefs |
| PoliMI SpringerBriefs | SpringerBriefs in Applied Sciences and Technology |
| Zusatzinfo | XVII, 110 p. 42 illus., 40 illus. in color. |
| Sprache | englisch |
| Themenwelt | Informatik ► Theorie / Studium ► Künstliche Intelligenz / Robotik |
| Mathematik / Informatik ► Mathematik ► Statistik | |
| Technik ► Bauwesen | |
| Technik ► Maschinenbau | |
| Schlagworte | Civil structures • environmental and operational changes • Hamiltonian Monte Carlo • hybrid unsupervised learning methods • SHM • Structural Health Monitoring |
| ISBN-10 | 3-031-53995-8 / 3031539958 |
| ISBN-13 | 978-3-031-53995-4 / 9783031539954 |
| Informationen gemäß Produktsicherheitsverordnung (GPSR) | |
| Haben Sie eine Frage zum Produkt? |
PDF (Wasserzeichen)DRM: Digitales Wasserzeichen
Dieses eBook enthält ein digitales Wasserzeichen und ist damit für Sie personalisiert. Bei einer missbräuchlichen Weitergabe des eBooks an Dritte ist eine Rückverfolgung an die Quelle möglich.
Dateiformat: PDF (Portable Document Format)
Mit einem festen Seitenlayout eignet sich die PDF besonders für Fachbücher mit Spalten, Tabellen und Abbildungen. Eine PDF kann auf fast allen Geräten angezeigt werden, ist aber für kleine Displays (Smartphone, eReader) nur eingeschränkt geeignet.
Systemvoraussetzungen:
PC/Mac: Mit einem PC oder Mac können Sie dieses eBook lesen. Sie benötigen dafür einen PDF-Viewer - z.B. den Adobe Reader oder Adobe Digital Editions.
eReader: Dieses eBook kann mit (fast) allen eBook-Readern gelesen werden. Mit dem amazon-Kindle ist es aber nicht kompatibel.
Smartphone/Tablet: Egal ob Apple oder Android, dieses eBook können Sie lesen. Sie benötigen dafür einen PDF-Viewer - z.B. die kostenlose Adobe Digital Editions-App.
Buying eBooks from abroad
For tax law reasons we can sell eBooks just within Germany and Switzerland. Regrettably we cannot fulfill eBook-orders from other countries.
aus dem Bereich
