![](/images/graphics-bg.png)
Damage Identification for Large Span Structure Based on Multiscale Inputs to Artificial Neural Networks
المؤلفون المشاركون
المصدر
العدد
المجلد 2014، العدد 2014 (31 ديسمبر/كانون الأول 2014)، ص ص. 1-12، 12ص.
الناشر
Hindawi Publishing Corporation
تاريخ النشر
2014-05-25
دولة النشر
مصر
عدد الصفحات
12
التخصصات الرئيسية
الطب البشري
تكنولوجيا المعلومات وعلم الحاسوب
الملخص EN
In structural health monitoring system, little research on the damage identification from different types of sensors applied to large span structure has been done in the field.
In fact, it is significant to estimate the whole structural safety if the multitype sensors or multiscale measurements are used in application of structural health monitoring and the damage identification for large span structure.
A methodology to combine the local and global measurements in noisy environments based on artificial neural network is proposed in this paper.
For a real large span structure, the capacity of the methodology is validated, including the decision on damage placement, the discussions on the number of the sensors, and the optimal parameters for artificial neural networks.
Furthermore, the noisy environments in different levels are simulated to demonstrate the robustness and effectiveness of the proposed approach.
نمط استشهاد جمعية علماء النفس الأمريكية (APA)
Lu, Wei& Teng, Jun& Cui, Yan. 2014. Damage Identification for Large Span Structure Based on Multiscale Inputs to Artificial Neural Networks. The Scientific World Journal،Vol. 2014, no. 2014, pp.1-12.
https://search.emarefa.net/detail/BIM-1050050
نمط استشهاد الجمعية الأمريكية للغات الحديثة (MLA)
Lu, Wei…[et al.]. Damage Identification for Large Span Structure Based on Multiscale Inputs to Artificial Neural Networks. The Scientific World Journal No. 2014 (2014), pp.1-12.
https://search.emarefa.net/detail/BIM-1050050
نمط استشهاد الجمعية الطبية الأمريكية (AMA)
Lu, Wei& Teng, Jun& Cui, Yan. Damage Identification for Large Span Structure Based on Multiscale Inputs to Artificial Neural Networks. The Scientific World Journal. 2014. Vol. 2014, no. 2014, pp.1-12.
https://search.emarefa.net/detail/BIM-1050050
نوع البيانات
مقالات
لغة النص
الإنجليزية
الملاحظات
Includes bibliographical references
رقم السجل
BIM-1050050
قاعدة معامل التأثير والاستشهادات المرجعية العربي "ارسيف Arcif"
أضخم قاعدة بيانات عربية للاستشهادات المرجعية للمجلات العلمية المحكمة الصادرة في العالم العربي
![](/images/ebook-kashef.png)
تقوم هذه الخدمة بالتحقق من التشابه أو الانتحال في الأبحاث والمقالات العلمية والأطروحات الجامعية والكتب والأبحاث باللغة العربية، وتحديد درجة التشابه أو أصالة الأعمال البحثية وحماية ملكيتها الفكرية. تعرف اكثر
![](/images/kashef-image.png)