Integracja symulacji numerycznej i danych eksperymentalnych dla ulepszonego monitorowania stanu konstrukcji mostów
##plugins.themes.bootstrap3.article.sidebar##
Numer Tom 15 Nr 1 (2025)
-
Statystyczna wiarygodność decyzji o wadliwości kontrolowanego procesu
Yevhen Volodarskyi, Oleh Kozyr, Zygmunt Warsza5-9
-
Impulsowy generator chaotyczny oparty na klasycznym obwodzie Chuy
Volodymyr Rusyn, Andrii Samila, Bogdan Markovych, Aceng Sambas, Christos Skiadas, Milan Guzan10-14
-
Stabilność metaheurystycznych regulatorów PID w fotowoltaicznych mikrosieciach prądu stałego
Elvin Yusubov, Lala Bekirova15-21
-
Integracja symulacji numerycznej i danych eksperymentalnych dla ulepszonego monitorowania stanu konstrukcji mostów
Om Narayan Singh, Kaushik Dey22-26
-
Zastosowanie programowania wieloagentowego do modelowania zmian lepkości wsadu w produkcji alkoholu
Larysa Gumeniuk, Ludmyla Markina, Viktor Satsyk, Pavlo Humeniuk, Anton Lashch27-32
-
Stochastyczna algebra interwałowa opisująca procesy inteligentnej fabryki
Piotr Dziurzanski, Konrad Kabala, Agnieszka Konrad33-38
-
Rozwój w konserwacji paneli słonecznych: przegląd systemów automatycznego czyszczenia z kurzu opartych na Internecie rzeczy
Balamurugan Rangaswamy, Ramasamy Nithya39-44
-
Zmodyfikowany cosinus-kwadratowy model odbicia światła
Oleksandr Romanyuk, Volodymyr Lytvynenko, Yevhen Zavalniuk45-48
-
Analiza porównawcza urządzeń do magazynowania energii z użyciem akumulatorów litowo-żelazowo-fosforanowych i sodowo-jonowych
Huthaifa A. Al_Issa, Mohamed Qawaqzeh, Lina Hani Hussienat, Ruslan Oksenych, Oleksandr Miroshnyk, Oleksandr Moroz, Iryna Trunova, Volodymyr Paziy, Serhii Halko, Taras Shchur49-54
-
Badania przetwornika DC-AC z mikrokontrolerem sterującym częstotliwością inwertera
Anatolii Tkachuk, Mykola Polishchuk, Liliia Polishchuk, Serhii Kostiuchko, Serhii Hryniuk, Liudmyla Konkevych55-61
-
Aparat matematyczny do znajdowania optymalnej konfiguracji bezpiecznej sieci komunikacyjnej z określoną liczbą abonentów
Wolodymyr Khoroshko, Yuliia Khokhlachova, Oleksandr Laptiev, Al-Dalvash Ablullah Fowad62-66
-
Krytyczne aspekty cyberbezpieczeństwa w celu poprawy ochrony infrastruktury cyfrowej przedsiębiorstwa
Roman Kvуetnyy, Volodymyr Kotsiubynskyi, Serhii Husak, Yaroslav Movchan, Nataliia Dobrovolska, Sholpan Zhumagulova, Assel Aitkazina67-72
-
Modyfikacja algebraicznego dekodera Petersonа
Dmytro Mogylevych, Iryna Kononova, Liudmyla Pogrebniak, Kostiantyn Lytvyn, Igor Gyrenko73-78
-
Opracowanie modelu obliczania rozmycia współczynników precyzji globalnego systemu nawigacji w danym punkcie przestrzeni
Oleksandr Turovsky, Nazarii Blazhennyi, Roman Vozniak, Yana Horbachova, Kostiantyn Horbachov, Nataliia Rudenko79-87
-
Ekspert agenta AI z opcją LLM do zarządzania operacjami misji
Sobhana Mummaneni, Syama Sameera Gudipati, Satwik Panda88-94
-
Przegląd systemów operacyjnych stosowanych w bezzałogowych statkach powietrznych
Viktor Ivashko, Oleh Krulikovskyi, Serhii Haliuk, Andrii Samila95-100
-
Optymalizacja metod uczenia maszynowego do deanonimizacji w sieciach społecznościowych
Nurzhigit Smailov, Fatima Uralova, Rashida Kadyrova, Raiymbek Magazov, Akezhan Sabibolda101-104
-
Skuteczne wykrywanie deepfake'ów przy użyciu sieci Long Short-Term Memory do autentykacji wideo
Ravi Kishan Surapaneni, Hameed Syed, Harshitha Kakarala, Venkata Sai Srikar Yaragudipati105-108
-
Wykrywanie trendów regionalnych na podstawie danych z Twittera w czasie rzeczywistym w celu analizy nastrojów, kontekstu, sieci i czasu
Mousumi Hasan, Mujiba Shaima, Quazi Saad ul Mosaher109-116
-
Opracowanie modelu poprawy niezawodności konserwacji zapobiegawczej urządzeń medycznych
Khalid Musallam Alahmadi, Essam Rabea Ibrahim Mahmoud, Fitrian Imaduddin117-124
-
Wyjaśnialna sztuczna inteligencja do wykrywania raka płuc
Vinod Kumar R S, Bushara A R, Abubeker K M, Smitha K M, Abini M A, Jubaira Mammoo, Bijesh Paul125-130
-
Projektowanie i wdrożenie systemu detekcji żył w celu zwiększenia dokładności pobierania krwi
Omar Boutalaka, Achraf Benba, Sara Sandabad131-134
-
Cechy metrologiczne do określania stężenia cholesterolu, trójglicerydów i fosfolipidów w celu wykrywania łuszczycy
Ivan Diskovskyi, Yurii Kachurak, Orysya Syzon, Marta Kolishetska, Bogdan Pinaiev, Oksana Stoliarenko135-138
-
Opracowanie aplikacji mobilnej do badania zaburzeń motoryki małej
Marko Andrushchenko, Karina Selivanova, Oleg Avrunin, Alla Kraievska, Orken Mamyrbayev, Kymbat Momynzhanova139-143
-
Sztuczna inteligencja w edukacji: symulacje oparte na ChatGPT w przygotowaniu nauczycieli
Marina Drushlyak, Tetiana Lukashova, Volodymyr Shamonia, Olena Semenikhina144-152
-
CKSD: kompleksowa baza danych kurdyjsko-sorani
Jihad Anwar Qadir, Samer Kais Jameel, Wshyar Omar Khudhur, Kamaran H. Manguri153-156
Archiwum
-
Tom 16 Nr 2
2026-06-30 27
-
Tom 16 Nr 1
2026-03-30 27
-
Tom 15 Nr 4
2025-12-20 27
-
Tom 15 Nr 3
2025-09-30 24
-
Tom 15 Nr 2
2025-06-27 24
-
Tom 15 Nr 1
2025-03-31 26
-
Tom 14 Nr 4
2024-12-21 25
-
Tom 14 Nr 3
2024-09-30 24
-
Tom 14 Nr 2
2024-06-30 24
-
Tom 14 Nr 1
2024-03-31 23
-
Tom 13 Nr 4
2023-12-20 24
-
Tom 13 Nr 3
2023-09-30 25
-
Tom 13 Nr 2
2023-06-30 14
-
Tom 13 Nr 1
2023-03-31 12
-
Tom 11 Nr 4
2021-12-20 15
-
Tom 11 Nr 3
2021-09-30 10
-
Tom 11 Nr 2
2021-06-30 11
-
Tom 11 Nr 1
2021-03-31 14
##plugins.themes.bootstrap3.article.main##
Authors
Abstrakt
Badania opisane w niniejszym artykule mają na celu poprawę monitorowania stanu konstrukcji (structural health monitoring – SHM) mostów na autostradach poprzez integrację symulacji numerycznych z danymi eksperymentalnymi. Prosto podparty most na autostradzie jest badany pod obciążeniem ruchem drogowym i zastosowano zarówno podejście numeryczne, jak i eksperymentalne. Model numeryczny mostu został opracowany przy użyciu programu ANSYS, podczas gdy dane eksperymentalne o wysokiej rozdzielczości zostały zebrane z przetworników prędkości umieszczonych w kluczowych punktach mostu. Dane eksperymentalne zostały porównane z wynikami modelu numerycznego w celu walidacji. Wyniki pokazały, że częstotliwości drgań własnych uzyskane zarówno z analiz eksperymentalnych, jak i numerycznych były ściśle dopasowane, co świadczy o niezawodności modelu. Zweryfikowany model został następnie wykorzystany do przewidywania długoterminowych zachowań strukturalnych w różnych warunkach operacyjnych, przyczyniając się do lepszego planowania konserwacji i zrównoważonego rozwoju infrastruktury. W badaniu stwierdzono, że połączenie symulacji numerycznych z danymi eksperymentalnymi poprawia dokładność SHM, umożliwiając wczesne wykrywanie potencjalnych problemów strukturalnych i wydłużając żywotność mostów. Kluczowe wyniki badań podkreślają istotną rolę prędkości pojazdu we wpływie na dynamiczną reakcję mostu, a także znaczenie uwzględnienia właściwości materiału i obciążeń pojazdu w przewidywaniu stanu konstrukcji.
Słowa kluczowe:
Bibliografia
[1] Biggs J. M., Suer H. S.: Vibration measurements on simple-span bridges. Highway Research Board Bulletin (124), 1956.
[2] Carden E. P., Brownjohn J. M.: ARMA modelled time-series classification for structural health monitoring of civil infrastructure. Mechanical systems and signal processing 22(2), 2008, 295–314.
[3] Doebling S. W., Farrar C. R., Prime M. B.: A summary review of vibration-based damage identification methods. Shock and vibration digest 30(2), 1998, 91–105.
[4] Farahani R. V., Penumadu D.: Damage identification of a full-scale five-girder bridge using time-series analysis of vibration data. Engineering Structures 115, 2016, 129-139.
[5] Farhey D. N.: Integrated virtual instrumentation and wireless monitoring for infrastructure diagnostics. Structural Health Monitoring 5(1), 2006, 29–43.
[6] Farrar C. R., Jauregui D. A.: Comparative study of damage identification algorithms applied to a bridge: I. Experiment. Innovative materials and structures 7(5), 1998, 704.
[7] Lynch J. P.: An overview of wireless structural health monitoring for civil structures. Philosophical Transactions of the Royal Society A: Mathematical, Physical and Engineering Sciences 365(1851), 2007, 345–372.
[8] Neitzel F. et al.: Vibration monitoring of bridges. Reports on Geodesy z.1(90), 2011, 331–340.
[9] Noman A. S., Deeba F., Bagchi A.: Health monitoring of structures using statistical pattern recognition techniques. Journal of performance of constructed facilities 27(5), 2013, 575–584.
[10] Ragland W. S., Penumadu D., Williams R. T.: Using geophones for nondestructive evaluation of full-scale bridges. Transportation research record 2201(1), 2010, 45–52.
[11] Siddique A. B., Sparling B. F., Wegner L. D.: Assessment of vibration-based damage detection for an integral abutment bridge. Canadian Journal of Civil Engineering 34(3), 2007, 438–452.
[12] Wang Y. et al.: Vibration monitoring of the Voigt Bridge using wired and wireless monitoring systems. 4th China-Japan-US symposium on structural control and monitoring, 2006, 16–17.
[13] Zanjani Zadeh V., Patnaik A.: Finite element modelling of the dynamic response of a composite reinforced concrete bridge for structural health monitoring. Int J Adv Struct Eng 6(2), 2014, 1–14.
##plugins.themes.bootstrap3.article.details##
Abstract views: 330
Downloads: 257

