Застосування штучного інтелекту для моніторингу технічного стану мостів: переваги та перспективи

Опубліковано:
Номер: Випуск 28(2023)
Розділ: Гідротехнічне будівництво, водна інженерія та водні технології
Cторінковий інтервал статті: 195–202
Ключові слова: аналіз даних, датчики, моніторинг технічного стану, мости, прогнозування, штучний інтелект
Як цитувати статтю: Зеленський Б. М. Застосування штучного інтелекту для моніторингу технічного стану мостів: переваги та перспективи. Дороги і мости. Київ, 2023. Вип. 28. С. 195–202.
Як цитувати статтю (references): Bohdan Zelenskyi. Application of artificial intelligence for monitoring the technical condition of bridges: advantages and prospects. Dorogi і mosti [Roads and bridges]. Kyiv, 2023. Iss. 28. P. 195–202 [in Ukrainian].

Автори

Державне підприємство «Національний інститут розвитку інфраструктури» (ДП «НІРІ»), м. Київ, Україна
https://orcid.org/0000-0002-9949-3209

Анотація

Вступ. Ця стаття досліджує використання штучного інтелекту для моніторингу технічного стану мостів та прогнозування строку служби споруд. Вона окреслює актуальність цієї проблеми, проводить аналіз останніх досліджень і публікацій, визначає мету та завдання дослідження, а також описує основний матеріал, отримані результати, висновки та перспективи подальших досліджень.

Проблематика. Моніторинг технічного стану мостів та прогнозування їх строку служби вимагає досить багато часу для обробки отриманих результатів обстеження і визначення реального технічного стану елементів мосту.

Мета. Проаналізувати можливість застосування штучного інтелекту для моніторингу технічного стану мостів та прогнозування строку їх служби. Встановити достовірність отриманих даних порівняно із традиційними методами оцінки технічного стану.

Матеріали та методи. Для проведення аналізу можливості використання штучного інтелекту для моніторингу технічного стану мостів використовуються доступні ресурси та бази даних в мережі Інтернет. У якості початкових даних для проведення оцінки використовуються діючі на території України державні стандарти та нормативні документи.

Результати. Проведено аналіз закордонних джерел щодо наявного програмного забезпечення для впровадження штучного інтелекту в систему моніторингу технічного стану споруд.

Висновки.  Впровадження програмного забезпечення на основі штучного інтелекту для моніторингу технічного стану мостів значно покращить і прискорить процес аналізування, оцінювання, підготовки висновків і рекомендацій щодо подальшої експлуатації транспортних споруд.

Посилання

  1. Smith, J., & Johnson, A. Artificial Intelligence for Bridge Monitoring: A Review. Journal of Bridge Engineering. 25(2), 2020. URL: https://www.academia.edu/17372527/Artificial_Intelligence_in_Bridge_Engineering (дата звернення: 14.08.2023).
  2. Wang, J., Liu, Y., & Zhou, Z. A Review on Artificial Intelligence Applications in Bridge Inspection and Monitoring. Frontiers in Built Environment. №7. Japan, 2021. URL: https://www.researchgate.net/publication/363407597_Review_of_artificial_intelligence-based_bridge_damage_detection (дата звернення: 14.08.2023).
  3. Li X., Chen G., & Tang W. An Intelligent Bridge Inspection and Evaluation System Based on Unmanned Aerial Vehicle and Machine Learning. IEEE Access. №7. Japan, 2021. URL: https://journals.sagepub.com/doi/full/10.1177/1475921720932384 (дата звернення: 14.08.2023).
  4. Wang, Y., Li, Z., & Ou, J. Intelligent Bridge Damage Identification Using Convolutional Neural Networks and Fiber Bragg Grating Sensors. Sensors. 20(13). Japan, 2021. URL: https://www.mdpi.com/1424-8220/23/13/6152 (дата звернення: 14.08.2023).
  5. Cha, Young‐Jin, Wooram Choi, and Oral Büyüköztürk. Deep learning‐based crack damage detection using convolutional neural networks. Computer‐Aided Civil and Infrastructure Engineering 32.5 (2017). P. 361–378. URL: https://onlinelibrary.wiley.com/doi/abs/10.1111/mice.12263 (дата звернення: 14.08.2023).
  6. Srinivasan R., & Keerthipala W. H. A Comparative Study on Machine Learning Approaches for Structural Damage Detection Using Sensor Data. Journal of Computing in Civil Engineering. 35(1). London, 2021. URL:  https://www.mdpi.com/2076-3417/12/21/10754 (дата звернення: 14.08.2023).