dc.contributor.author | Басько, А. В. | uk |
dc.contributor.author | Пономарьова, О. А. | uk |
dc.contributor.author | Basko, A. | en |
dc.contributor.author | Ponomarova, O. | en |
dc.date.accessioned | 2024-06-18T07:49:33Z | |
dc.date.available | 2024-06-18T07:49:33Z | |
dc.date.issued | 2023 | |
dc.identifier.citation | Басько А. В. Автоматична ідентифікація пошкоджень з використанням бездротових сенсорів, побудованих на дешевій елементній базі [Текст] / А. В. Басько, О. А. Пономарьова // Вісник Вінницького політехнічного інституту. – 2023. – № 4. – С. 6-15. | uk |
dc.identifier.issn | 1997–9266 | |
dc.identifier.issn | 1997–9274 | |
dc.identifier.uri | https://ir.lib.vntu.edu.ua//handle/123456789/42811 | |
dc.description.abstract | Важливість досліджень, спрямованих на структурний моніторинг архітектурних споруд, зумовлена щільністю забудови, старінням та впливом агресивних умов середовища експлуатації. У роботі
акцентовано на розробці Сенсорної збірки, з одного боку, економічно дешевої та доцільної до застосування у системах моніторингу, з іншого боку, сенсорний вузол не повинен поступатися за технічними характеристиками і обчислювальними можливостями існуючим рішенням. Першочергово проаналізовано наявні мікропроцесорні та мікроконтролерні сенсорні вузли щодо вибору найвживаніших
архітектурних рішень для бездротових сенсорних вузлів. Таким чином, для прототипу сенсорного
вузла вперше вибрано мікроконтролер ST Microelectronics STM32WB55CG із вбудованим ядром бездротового зв’язку. Вперше в одному сенсорному вузлі використано комбінацію з декількох акселерометрів ST Microelectronics LIS3DSH, а саме трьох з метою підвищення відмовостійкості прототипу.
Відмінною рисою цієї роботи є пошук і застосування ефективних алгоритмів ідентифікації та моніторингу стану конструкції для недорогих сенсорних вузлів. Дослідження доводить, що використання
нейромережевих алгоритмів вимагає наявність великої бази даних в неушкодженому стані для навчання, а час, витрачений як на навчання, так і на ідентифікацію, потребує від мікроконтролера значних обчислювальних потужностей, що робить такі алгоритми недоцільними для використання в
динамічних системах реального часу. Отже, зібрано прототип бездротового сенсора, що відповідно
пройшов випробування на архітектурній споруді біля залізниці, щоб перевірити чутливість сенсорного вузла. Дослідження отримано результати порівняння двох статистичних алгоритмів ідентифікації пошкоджень, таких як евклідова норма та відстань Махаланобіса. | uk |
dc.description.abstract | The importance of research aimed at structural monitoring of architectural constructions is determined by the density of
buildings, aging and the influence of aggressive operating conditions of the environment. This work is aimed at developing
of a sensor assembly, on the one hand, economically cheap and appropriate for use in monitoring systems. On the other
hand, the sensor node should not be inferior to existing solutions in terms of technical characteristics and computing capabilities. First of all, the existing microprocessor and microcontroller sensor nodes were analyzed in order to select the most
used architectural solutions for wireless sensor nodes. Thus, the ST Microelectronics STM32WB55CG microcontroller with a
built-in wireless communication core was chosen for the sensor node prototype for the first time. A combination of three
accelerometers ST Microelectronics LIS3DSH was used in one sensor node in order to increase the fault tolerance of the
prototype. A distinctive feature of this work is the search and application of effective algorithms for the identification and
monitoring of the state of the structure for inexpensive sensor nodes. The study proves that the use of neural network algorithms requires the presence of a large database in an intact state for training, and the time spent on both training and identification requires significant computing power from the microcontroller, which makes such algorithms unsuitable for the use in
dynamic systems of real time. Therefore, a prototype of a wireless sensor was assembled, which was accordingly tested on
an architectural structure near the railway to check the sensitivity of the sensor node. The research also provides comparison results of two statistical damage identification algorithms, such as Euclidean norm and Mahalanobis distance. | en |
dc.language.iso | uk_UA | uk_UA |
dc.publisher | ВНТУ | uk |
dc.relation.ispartof | Вісник Вінницького політехнічного інституту. № 4 : 6-15. | uk |
dc.relation.uri | https://visnyk.vntu.edu.ua/index.php/visnyk/article/view/2902 | |
dc.subject | динамічні системи реального часу | uk |
dc.subject | дешевий бездротовий сенсор | uk |
dc.subject | акселерометр | uk |
dc.subject | система моніторингу стану | uk |
dc.subject | ідентифікація пошкоджень | uk |
dc.subject | real time dynamic systems | en |
dc.subject | cheap wireless sensor | en |
dc.subject | accelerometer | en |
dc.subject | monitoring system | en |
dc.subject | damage identification | en |
dc.title | Автоматична ідентифікація пошкоджень з використанням бездротових сенсорів, побудованих на дешевій елементній базі | uk |
dc.title.alternative | Automatic damage identification using wireless sensors built on a cheap element base | en |
dc.type | Article | |
dc.identifier.udc | 681.5.015; 681.518;681.513.7; 681.513.8 | |
dc.relation.references | E. Toledo Junior, A. Cury, and J. Landre Junior, “Assessment of low-cost wireless sensors for structural health monitoring applications,” Revista IBRACON de Estruturas e Materiais, vol. 14, no. 2, pp. 1-14, 2021. https://doi.org/10.1590/s1983-
41952021000200013 . | en |
dc.relation.references | M. Z. Sarwar, M. R. Saleem, J. W. Park, D. S. Moon, and D. J. Kim, “Multimetric Event-Driven System for Long-Term
Wireless Sensor Operation for SHM Applications,” IEEE Sensors Journal, vol. 20, no. 10, pp. 5350-5359, 2020.
https://doi.org/10.1109/jsen.2020.2970710 . | en |
dc.relation.references | B. Spencer, J. W. Park, K. Mechitov, H. Jo, and G. Agha, “Next Generation Wireless Smart Sensors Toward Sustainable
Civil Infrastructure,” Procedia Engineering, vol. 171, pp. 5-13, 2017. https://doi.org/10.1016/j.proeng.2017.01.304. | en |
dc.relation.references | M. Varanis, A. L. Silva, P. H. A. Brunetto, and R. F. Gregolin, “Instrumentation for mechanical vibrations analysis in the time
domain and frequency domain using the Arduino platform,” Revista Brasileira de Ensino de Fisica, vol. 38, no. 1, pp. 1-10, 2016.
https://doi.org/10.1590/s1806-11173812063 . | en |
dc.relation.references | A. Araujo, et al, “Wireless Measurement System for Structural Health Monitoring With High Time-Synchronization Accuracy,”
IEEE Transactions on Instrumentation and Measurement, vol. 63, no. 3, pp. 801-810, 2012. https://doi.org/10.1109/tim.2011.2170889 . | en |
dc.relation.references | S. Pandey, M. Haider, and N. Uddin, “Design and implementation of a low-cost wireless platform for remote bridge health monitoring,” International Journal of Emerging Technology and Advanced Engineering, vol. 6, no. 6, pp. 57-62, 2016. | en |
dc.relation.references | A. A. Sana, A. S. Rasi, D. P. Pa, G. R. Veya, and M. D. Gesan, “Wireless Sensor Network Based Crack Detection on Concrete
Bridges/Buildings,” International Journal of Engineering Trends and Technology, vol. 57, no. 2, pp. 54-58, 2018.
https://doi.org/10.14445/22315381/ijett-v57p211 . | en |
dc.relation.references | A. Entezami, H. Sarmadi, and S. Mariani, “An Unsupervised Learning Approach for Early Damage Detection by Time
Series Analysis and Deep Neural Network to Deal with Output-Only (Big) Data,” Proceedings of 7th International Electronic
Conference on Sensors and Applications, 2020. https://doi.org/10.3390/ecsa-7-08281 . | en |
dc.relation.references | J. Morales-Valdez, M. A. Lopez, and W. Yu, “Damage detection of building structure based on vibration data and
hysteretic model,” IEEE 15th International Conference on Automation Science and Engineering, 2019.
https://doi.org/10.1109/coase.2019.8842996 . | en |
dc.relation.references | R. P. Finotti, A. A. Cury, F. D. S. Barbosa, “An SHM approach using machine learning and statistical indicators extracted from raw dynamic measurements,” Latin American Journal of Solids and Structures, vol. 16, no. 2, pp. 1-17, 2019.
https://doi.org/10.1590/1679-78254942. | en |
dc.relation.references | S. Prabhu, and S. Atamturktur, “Feature Assimilation for Vibration Based Damage Detection,” Journal of Testing and
Evaluation, vol. 41, no. 1, pp. 1-11, 2012. https://doi.org/10.1520/jte20120170 . | en |
dc.relation.references | M. Gordan, H. A. Razak, Z. Ismail, and K. Ghaedi, “Recent Developments in Damage Identification of Structures Using
Data Mining,” Latin American Journal of Solids and Structures, vol. 14, no. 13, pp. 2373-2401, 2017.
https://doi.org/10.1590/1679-78254378 . | en |
dc.relation.references | J. A. Rice, et al, “Flexible smart sensor framework for autonomous structural health monitoring,” Smart Structures and Systems,
vol. 6, no. 5_6, pp. 423-438, 2010. https://doi.org/10.12989/sss.2010.6.5_6.423 . | en |
dc.relation.references | E. Sazonov, Li. Haodong, D. Curry, and P. Pillay, “Self-Powered Sensors for Monitoring of Highway Bridges,” IEEE Sensors
Journal, vol. 9, no. 11, pp. 1422-1429, 2009. https://doi.org/10.1109/jsen.2009.2019333 . | en |
dc.relation.references | L. R. Ticona Melo, D. Ribeiro, R. Calcada, and T. N. Bittencourt, “Validation of a vertical train–track–bridge dynamic
interaction model based on limited experimental data,” Structure and Infrastructure Engineering, vol. 16, no. 1, pp. 181-201,
2019. https://doi.org/10.1080/15732479.2019.1605394 . | en |
dc.relation.references | J. Pacheco, G. Oliveira, F. Magalhaes, C. Moutinho, and L. Cunha, “Evaluation of low cost vibration based damage detection
systems,” Journal of Physics: Conference Series, vol. 1037, no. 052005, pp. 1-8, 2018. https://doi.org/10.1088/1742-
6596/1037/5/052005 . | en |
dc.identifier.doi | https://doi.org/10.31649/1997-9266-2023-169-4-6-15 | |