| 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 |
|
中心技術報告