| 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結構物健康診斷系統，以民國九十八年九月於國家實驗室地震工程研究中心（NCREE）執行之八層樓鋼結構實驗構架為例，藉由鬆脫部分樓層螺栓模擬十九組結構發生破壞損傷情況，並且建立夜間微震試驗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。
研究後期整合來自生物領域與資訊科技之先進技術來開發結構物健康診斷系統之雛形機。並利用國家地震中心震動台之八層樓縮尺鋼結構實驗為測試樣本，利用CompactRIO與Labview的結合以及GPRS之技術，整合軟體以及硬體，並製作出新一套的機動型結構物健康診斷雛形機，且實際於八層樓縮尺鋼結構作測試，提供未來各種控制系統一個應用與比較的平台。
|
中心技術報告