NCREE-2009-017
時間 2009-06-30
標題 分子生物醫學技術於結構健康診斷之可行性研究
作者 雷啟洋、林子剛
摘要
近年來,世界各國相繼發生土木建築因老化等因素造成不可預期崩塌或損毀,而結構工程師除了持續在結構物的強度與功能上持續研究外,也逐漸重視結構物健康診斷之重要性。結構健康診斷 (Structural Health Monitoring) 隨著資訊科技日新月異,當今的技術在感測器、資料擷取系統以及資料傳輸與儲存系統上,已提供了完整的支援,然而在資料診斷與分類系統上,像是系統辨識、結構模型更新、結構狀況評估、剩餘使用壽命預測,卻仍處於開創與實驗之瓶頸。
本研究之研究基礎為,以民國九十七年九月於國家實驗室地震工程研究中心(NCREE)執行之六層樓鋼結構實驗構架為例,以鬆脫部分樓層螺栓模擬十三組結構發生破壞損傷情況,以地震歷時輸入試驗與夜間微震試驗共兩種結構動力反應資料庫,作為本結構物健康診斷邏輯理論驗證之資料庫,並應用在結構健康狀態特徵序列(AR-ARX Expression Array)的建立上。
本研究於一開始先介紹分子生物科技當中用來統計分類與機器學習(Machine Learning) 的分類模型,包括Bayesian Classification以及 Support Vector Machine等機器學習分類演算模型在分生科技上的應用,接著再導入結構健康檢測的研究中,而本研究則採貝氏診斷邏輯法做為應用。
延續貝氏診斷邏輯法的研究之後,下一階段為最佳化結構健康狀態特徵序列。由於每列序列對於貝氏診斷邏輯法的分類影響力相同,但些許序列並無法表徵出結構特徵序列之特徵,反而有可能擾亂最後之正確分類結果,而本研究之最佳化採Likelihood Selection對結構特徵序列進行挑選最佳序列之動作。最佳化研究中將AR-ARX係數為50-40-20,共110序列之AR-ARX Array進行Likelihood Selection最佳化,因而將原本資料指示性不高的序列排除,重新排列新的AR-ARX Array,使得貝氏診斷邏輯法分類的結果更加明確,並提高精確度,總體上約增加了5%~15%的準確性。
關鍵字 貝式分類法, 結構健康檢測, Likelihood Selection
檔案下載

09-017CONTENTS.PDF
(45 KB)

Login to download
(1 MB)
瀏覽人次: 48966