AbstractRecent advances in sensor t

Abstract
Recent advances in sensor technology promote using large sensor networks to efficiently and
economically monitor, identify and quantify damage in structures. In structural health
monitoring (SHM) systems, the effectiveness and reliability of the sensor network are crucial to
determine the optimal number and locations of sensors in SHM systems. Here, we suggest a
probabilistic approach for identifying the optimal number and locations of sensors for SHM.
We demonstrate a methodology to establish the probability distribution function that identifies
the optimal sensor locations such that damage detection is enhanced. The approach is based on
using the weights of a neural network trained from simulations using a priori knowledge about
damage locations and damage severities to generate a normalized probability distribution
function for optimal sensor allocation. We also demonstrate that the optimal sensor network can
be related to the highest probability of detection (POD). The redundancy of the proposed sensor
network is examined using a ‘leave one sensor out’ analysis. A prestressed concrete bridge is
selected as a case study to demonstrate the effectiveness of the proposed method. The results
show that the proposed approach can provide a robust design for sensor networks that are more
efficient than a uniform distribution of sensors on a structure.
(Some figures in this article are in colour only in the electronic version)

Results (Greek) 1:

ΠερίληψηΠρόσφατες προόδους στη τεχνολογία αισθητηρίων προωθούν τη χρήση των δικτύων μεγάλου μεγέθους αισθητήρα να αποτελεσματικά καιοικονομικά παρακολουθεί, αναγνώριση και την ποσοτικοποίηση της βλάβης σε δομές. Σε δομικής υγείας(SHM) συστήματα παρακολούθησης, την αποτελεσματικότητα και την αξιοπιστία του δικτύου αισθητήρων είναι ζωτικής σημασίας για τηνκαθοριστεί ο βέλτιστος αριθμός και θέσεις των αισθητήρων στα συστήματα SHM. Εδώ, σας προτείνουμε μιαΠιθανοτική προσέγγιση για τον εντοπισμό των βέλτιστος αριθμός και θέσεις αισθητήρων για SHM.Δείχνουμε μια μεθοδολογία για την εκπόνηση της συνάρτησης κατανομής πιθανοτήτων που προσδιορίζειενισχύεται η βέλτιστη θέση των αισθητήρων αυτών που βλάπτουν την ανίχνευση. Η προσέγγιση βασίζεται σεχρησιμοποιώντας τα βάρη του ένα νευρωνικό δίκτυο εκπαιδευτεί από προσομοιώσεις χρησιμοποιώντας εκ των προτέρων γνώση σχετικά μεζημία τοποθεσίες και τα severities ζημία για τη δημιουργία μια κανονικοποιημένη διανομή πιθανότηταςλειτουργία για βέλτιστη αισθητήρα κατανομή. Μπορούμε επίσης να καταδείξει ότι η βέλτιστη αισθητήρα δικτύου μπορεί νανα σχετίζεται με την υψηλότερη πιθανότητα ανίχνευσης (POD). Η απόλυση της η προτεινόμενη αισθητήραςδίκτυο εξετάζεται χρησιμοποιώντας μια ανάλυση του «Αφήστε ένα αισθητήρα έξω». Είναι ένα Προεντεταμένο τσιμεντένια γέφυραεπιλεγμένο ως μια μελέτη περίπτωσης για να αποδειχθεί η αποτελεσματικότητα της προτεινόμενης μεθόδου. Τα αποτελέσματαδείχνουν ότι η προτεινόμενη προσέγγιση μπορεί να παρέχει μια αξιόπιστη σχεδίαση για δίκτυα αισθητήρων που είναι περισσότεροαποτελεσματική από μια ομοιόμορφη κατανομή των αισθητήρων σε μια δομή.(Ορισμένοι αριθμοί σε αυτό το άρθρο είναι σε χρώμα μόνο στην ηλεκτρονική έκδοση)

Results (Greek) 2:

Περίληψη
Οι πρόσφατες εξελίξεις στην τεχνολογία αισθητήρων προωθήσει τη χρήση μεγάλων δικτύων αισθητήρων για την αποτελεσματική και
οικονομική παρακολούθηση, τον εντοπισμό και τον ποσοτικό προσδιορισμό ζημιές σε κατασκευές. Στις διαρθρωτικές υγεία
συστήματα παρακολούθησης (SHM), η αποτελεσματικότητα και η αξιοπιστία του δικτύου αισθητήρων είναι ζωτικής σημασίας για
τον καθορισμό της βέλτιστης αριθμό και τις θέσεις των αισθητήρων σε συστήματα SHM. Εδώ, προτείνουμε μια
πιθανολογική προσέγγιση για τον προσδιορισμό της βέλτιστης αριθμό και τις θέσεις των αισθητήρων για SHM.
Έχουμε αποδείξει μια μεθοδολογία για τον καθορισμό της συνάρτησης κατανομής πιθανότητας που προσδιορίζει
τις βέλτιστες θέσεις αισθητήρων έτσι ώστε ανίχνευση βλαβών ενισχύεται. Η προσέγγιση βασίζεται στη
χρήση των βαρών ενός νευρωνικού δικτύου εκπαιδευτεί από προσομοιώσεις με τη χρήση των προτέρων γνώση για
τις θέσεις βλάβη και η σοβαρότητα ζημιά να δημιουργήσει μια κανονικοποιημένη κατανομή πιθανότητας
λειτουργία για τη βέλτιστη κατανομή του αισθητήρα. Μπορούμε επίσης να αποδεικνύουν ότι η βέλτιστη δίκτυο αισθητήρων μπορεί
να σχετίζεται με την υψηλότερη πιθανότητα ανίχνευσης (POD). Η απόλυση του προτεινόμενου αισθητήρα
δίκτυο εξετάζεται χρησιμοποιώντας ένα «αφήσει ένα αισθητήρα έξω» ανάλυση. Ένα προεντεταμένο σκυρόδεμα γέφυρα
επιλεγεί ως περιπτωσιολογική μελέτη για να αποδειχθεί η αποτελεσματικότητα της προτεινόμενης μεθόδου. Τα αποτελέσματα
δείχνουν ότι η προτεινόμενη προσέγγιση μπορεί να προσφέρει μια στιβαρή κατασκευή για δίκτυα αισθητήρων που είναι πιο
αποτελεσματική από μια ομοιόμορφη κατανομή των αισθητήρων σε μια δομή.
(Ορισμένα στοιχεία σε αυτό το άρθρο είναι το χρώμα μόνο στην ηλεκτρονική έκδοση)

Results (Greek) 3:

Αφηρημένο
πρόσφατες εξελίξεις στην τεχνολογία του αισθητήρα προώθηση χρησιμοποιώντας μεγάλα δίκτυα αισθητήρων για την αποτελεσματική και
οικονομικά παρακολουθεί, εντοπίζει και ποσοτικοποίηση ζημιές σε δομές. Σε διαρθρωτική υγεία
παρακολούθηση (SHM) συστημάτων, την αποτελεσματικότητα και την αξιοπιστία του δικτύου αισθητήρα είναι ζωτικής σημασίας να
καθορίζει το βέλτιστο αριθμό και θέσεις των αισθητήρων σε SHM συστήματα. Εδώ, προτείνουμε μια
Πιθανολογική προσέγγιση για τον προσδιορισμό του βέλτιστου αριθμού και οι θέσεις των αισθητήρων για SHM.
μας αποδεικνύουν μια μεθοδολογία για τον καθορισμό της κατανομής πιθανότητας λειτουργία που εντοπίζει
η βέλτιστη αισθητήρα τοποθεσίες όπως η φθορά ανίχνευσης είναι βελτιωμένη. Η προσέγγιση αυτή βασίζεται στην
χρησιμοποιώντας τα βάρη του neural network εκπαιδευμένοι από προσομοιώσεις χρησιμοποιώντας a priori γνώση
Ζημιά στις θέσεις και ζημιά σοβαρότητα όλων να παράγουν μια κανονικοποιημένη κατανομή πιθανότητας
λειτουργία για βέλτιστη κατανομή του αισθητήρα. Μπορούμε επίσης να αποδείξει ότι η βέλτιστη δικτύου αισθητήρα μπορεί
να σχετίζονται με την υψηλότερη πιθανότητα ανίχνευσης (POD). Η απόλυση του προτεινόμενου αισθητήρα
δίκτυο εξετάζεται με ένα "Αφήστε έναν αισθητήρα" ανάλυση. Ένα προεντεταμένου σκυροδέματος γέφυρα είναι
Έχει επιλεγεί ως περίπτωση μελέτης για να αποδείξει την αποτελεσματικότητα της προτεινόμενης μεθόδου. Τα αποτελέσματα
δείχνουν ότι η προτεινόμενη προσέγγιση μπορεί να δώσει μια ανθεκτική σχεδίαση για δίκτυα αισθητήρων που είναι περισσότερο αποδοτικό
από μια ομοιόμορφη κατανομή των αισθητήρων σε δομή.
(κάποια στοιχεία στο άρθρο αυτό είναι το χρώμα μόνο στην ηλεκτρονική έκδοση)