13rd International Symposium on Structures, Geotechnics and Construction Materials

13rd Colloquium on structural analysis, design and monitoring

Loading Video...

Vibration-based damage detection for civil engineering structures

Abstract

Monitoring structural damage is extremely important for sustaining and preserving the service life of civil structures. While successful monitoring provides resolute and staunch information on the health, serviceability, integrity and safety of structures; maintaining continuous performance of a structure depends highly on monitoring the occurrence, formation and propagation of damage. Damage may accumulate on structures due to different environmental and human-induced factors. Numerous monitoring and detection approaches have been developed to provide practical means for early warning against structural damage or any type of anomaly. Considerable effort has been put into vibration-based methods, which utilize the vibration response of the monitored structure to assess its condition and identify structural damage. Meanwhile, with emerging computing power and sensing technology in the last decade, Machine Learning (ML) and especially Deep Learning (DL) algorithms have become more feasible and extensively used in vibration-based structural damage detection with elegant performance and often with rigorous accuracy. While there have been multiple review studies published on vibration based structural damage detection, there has not been a study where the transition from traditional methods to ML and DL methods are described and discussed. This paper aims to fulfill this gap by presenting the highlights of the traditional methods and provide a comprehensive review of the most recent applications of ML and DL algorithms utilized for vibration-based structural damage detection in civil structures.

Resumen

Los daños pueden acumularse en las estructuras debido a diferentes factores ambientales e inducidos por el hombre. Se han desarrollado numerosos enfoques de seguimiento y detección para proporcionar medios prácticos de alerta temprana contra daños estructurales o cualquier tipo de anomalía. Se ha puesto un esfuerzo considerable en métodos basados en vibraciones, que utilizan la respuesta de vibración de la estructura monitoreada para evaluar su condición e identificar daños estructurales. Mientras tanto, con la informática emergente tecnología de potencia y detección en la última década, los algoritmos de aprendizaje automático (ML) y especialmente de aprendizaje profundo (DL) se han vuelto más factibles y ampliamente utilizados en la detección de daños estructurales basada en vibraciones con un rendimiento elegante y, a menudo, con rigurosos exactitud. Si bien se han publicado múltiples estudios de revisión sobre la detección de daños estructurales basada en vibraciones, no ha habido un estudio que describa y analice la transición de los métodos tradicionales a los métodos ML y DL. Este documento tiene como objetivo llenar este vacío presentando los aspectos más destacados de los métodos tradicionales y proporcionando una revisión exhaustiva de las aplicaciones más recientes de algoritmos ML y DL utilizados para la detección de daños estructurales basados en vibraciones en estructuras civiles.