De University of Surrey en King's College London hebben een nieuw machine learning-algoritme (AI) ontwikkeld dat de manier waarop we grote infrastructuur, zoals dammen en bruggen, monitoren, zou kunnen veranderen.

In een paper gepubliceerd door het tijdschrift Structurele gezondheidsmonitoring , onderzoekers van Surrey en Kings beschrijven hoe ze een AI-systeem met de naam SHMnet hebben gemaakt om de schade van boutverbindingen die in metalen constructies worden gebruikt, te analyseren en te beoordelen.

Gebouwd op de fundamenten van een aangepast Alex-Net neuraal netwerk, het onderzoeksteam zette een impacthamertest op onder laboratoriumomstandigheden en gaf SHMnet de opdracht om de subtiele toestandsveranderingen van verbindingsbouten op een stalen frame nauwkeurig te identificeren onder 10 schadescenario's.

Het team ontdekte dat wanneer SHMnet wordt getraind met behulp van vier herhaalde datasets, het had een onberispelijk (100 procent) identificatierecord in hun tests.

Dr. Ying Wang, de corresponderende auteur van het artikel en assistent-professor aan de Universiteit van Surrey, zei:

"De prestaties van ons neurale netwerk suggereren dat SHMnet ongelooflijk nuttig zou kunnen zijn voor structurele ingenieurs, overheden en andere organisaties die belast zijn met het bewaken van de integriteit van bruggen, torens, dammen en andere metalen constructies.

"Hoewel er meer te doen is, zoals het testen van SHMnet onder verschillende trillingsomstandigheden en het verkrijgen van meer trainingsgegevens, de echte test is dat dit systeem wordt gebruikt in het veld waar een betrouwbare, een accurate en betaalbare manier om de infrastructuur te monitoren is hard nodig."