Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
Autor(es): dc.contributor | Lusofona Univ | - |
Autor(es): dc.contributor | Univ Lisbon | - |
Autor(es): dc.creator | Silva, Samuel da | - |
Autor(es): dc.creator | Figueiredo, Eloi | - |
Autor(es): dc.creator | Moldovan, Ionut | - |
Data de aceite: dc.date.accessioned | 2025-08-21T18:07:41Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T18:07:41Z | - |
Data de envio: dc.date.issued | 2022-11-29 | - |
Data de envio: dc.date.issued | 2022-11-29 | - |
Data de envio: dc.date.issued | 2022-10-31 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.1061/(ASCE)BE.1943-5592.0001949 | - |
Fonte completa do material: dc.identifier | http://hdl.handle.net/11449/237866 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/237866 | - |
Descrição: dc.description | The success of detecting damage robustly relies on the availability of long periods of past data covering multiple weather scenarios and on the information contained in the data used during the learning process. Thus, the innovation of this paper is to apply a hybrid data set to train a Gaussian process regression, assuming a practically plausible range of environmental conditions. The proposed model presents a satisfactory performance to detect damage when structural changes caused by damage are blurred with changes caused by temperature. Rather than relying exclusively on experimental data, this strategy use finite-element models to generate complementary data when the structure is undamaged under a broad spectrum of temperature variations that are not measured. Once the stochastic interpolation is defined, the damage detection model is tested using experimental data considering different damage levels and temperature conditions. Induced settlements of a bridge pier are used as realistic damage scenarios. The Z24 prestressed concrete highway bridge in Switzerland is used to demonstrate the applicability of the proposed strategy. (c) 2022 American Society of Civil Engineers. | - |
Descrição: dc.description | KU Leuven (Belgium) Structural Mechanics Section as the Z24 Bridge data source | - |
Descrição: dc.description | Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) | - |
Descrição: dc.description | Portuguese National Funding Agency for Science Research and Technology (FCT/Portugal) | - |
Descrição: dc.description | Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) | - |
Descrição: dc.description | Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP) | - |
Descrição: dc.description | UNESP Sao Paulo State Univ, Dept Mech Engn, Av Brasil 56, BR-15385000 Ilha Solteira, SP, Brazil | - |
Descrição: dc.description | Lusofona Univ, Fac Engn, Campo Grande 376, P-1749024 Lisbon, Portugal | - |
Descrição: dc.description | Univ Lisbon, CERIS, Inst Super Tecn, Av Rovisco Pais 1, P-1049001 Lisbon, Portugal | - |
Descrição: dc.description | UNESP Sao Paulo State Univ, Dept Mech Engn, Av Brasil 56, BR-15385000 Ilha Solteira, SP, Brazil | - |
Descrição: dc.description | CAPES: 001 | - |
Descrição: dc.description | CNPq: 306526/2019-0 | - |
Descrição: dc.description | FAPESP: 19/19684-3 | - |
Descrição: dc.description | Portuguese National Funding Agency for Science Research and Technology (FCT/Portugal): UIDB/04625/2020 | - |
Formato: dc.format | 12 | - |
Idioma: dc.language | en | - |
Publicador: dc.publisher | Asce-amer Soc Civil Engineers | - |
Relação: dc.relation | Journal Of Bridge Engineering | - |
???dc.source???: dc.source | Web of Science | - |
Título: dc.title | Damage Detection Approach for Bridges under Temperature Effects using Gaussian Process Regression Trained with Hybrid Data | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositório Institucional - Unesp |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: