Показати скорочену інформацію

dc.contributor.authorБасько, А. В.uk
dc.contributor.authorПономарьова, О. А.uk
dc.contributor.authorBasko, A.en
dc.contributor.authorPonomarova, O.en
dc.date.accessioned2024-06-18T07:49:33Z
dc.date.available2024-06-18T07:49:33Z
dc.date.issued2023
dc.identifier.citationБасько 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.issn1997–9266
dc.identifier.issn1997–9274
dc.identifier.urihttps://ir.lib.vntu.edu.ua//handle/123456789/42811
dc.description.abstractВажливість 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.abstractThe 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.isouk_UAuk_UA
dc.publisherВНТУuk
dc.relation.ispartofВісник Вінницького політехнічного інституту. № 4 : 6-15.uk
dc.relation.urihttps://visnyk.vntu.edu.ua/index.php/visnyk/article/view/2902
dc.subjectдинамічні системи реального часуuk
dc.subjectдешевий бездротовий сенсорuk
dc.subjectакселерометрuk
dc.subjectсистема моніторингу стануuk
dc.subjectідентифікація пошкодженьuk
dc.subjectreal time dynamic systemsen
dc.subjectcheap wireless sensoren
dc.subjectaccelerometeren
dc.subjectmonitoring systemen
dc.subjectdamage identificationen
dc.titleАвтоматична ідентифікація пошкоджень з використанням бездротових сенсорів, побудованих на дешевій елементній базіuk
dc.title.alternativeAutomatic damage identification using wireless sensors built on a cheap element baseen
dc.typeArticle
dc.identifier.udc681.5.015; 681.518;681.513.7; 681.513.8
dc.relation.referencesE. 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.referencesM. 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.referencesB. 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.referencesM. 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.referencesA. 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.referencesS. 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.referencesA. 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.referencesA. 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.referencesJ. 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.referencesR. 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.referencesS. 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.referencesM. 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.referencesJ. 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.referencesE. 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.referencesL. 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.referencesJ. 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.doihttps://doi.org/10.31649/1997-9266-2023-169-4-6-15


Файли в цьому документі

Thumbnail

Даний документ включений в наступну(і) колекцію(ї)

Показати скорочену інформацію