Structural Health Monitoring for Bridges Using Metaheuristic Optimization Algorithms Combined with Artificial Neural Network
- Promovendus/a
- Trân, Ngoc Hòa
- Faculteit
- Faculteit Ingenieurswetenschappen en Architectuur
- Vakgroep
- Vakgroep Elektromechanica, Systeem- en Metaalengineering
- Curriculum
- Master in Transport Construction Engineering, University of Transport and Communications, Vietnam, 2015
- Academische graad
- Doctor in de ingenieurswetenschappen: bouwkunde
- Taal proefschrift
- Engels
- Vertaling titel
- Structurele gezondheidsmonitoring voor bruggen met behulp van metaheuristische optimalisatiealgoritmen in combinatie met een artificieel neuraal netwerk
- Promotor(en)
- prof. Magd Abdel Wahab, vakgroep Elektromechanica, Systeem- en Metaalengineering - prof. Tien Thanh Bui (University of Transport and Communications, Vietnam) - em. prof. Guido De Roeck (KU Leuven)
- Examencommissie
- voorzitter prof. Patrick De Baets (decaan) - prof. Magd Abdel Wahab (vakgroep Elektromechanica, Systeem- en Metaalengineering) - prof. Tien Thanh Bui (University of Transport and Communications, Vietnam) - em. prof. Guido De Roeck (KU Leuven) - dr. Samir Khatir (vakgroep Elektromechanica, Systeem- en Metaalengineering) - dr. ir. Yong Ling (vakgroep Elektromechanica, Systeem- en Metaalengineering) - prof. Timon Rabczuk (Bauhaus Universität-Weimar, Germany) - dr. Yunlai Zhou (Xi'an Jiaotong University, China)
Korte beschrijving
Tijdens hun levensduur worden bouwkundige infrastructuren onvermijdelijk blootgesteld aan tal van verwoestende effecten (bijv. aardbevingen, storm, extreem weer, overbelasting, accidentele belastingen, enz.), die allemaal de operationele efficiency en levensduur aanzienlijk kunnen verminderen. Daarom zijn de afgelopen decennia systemen voor structurele gezondheidsmonitoring (SHM) op grote schaal ingezet en hebben ze veel aandacht getrokken van onderzoekers over de hele wereld. De taak van het SHM-systeem is om schade zo vroeg mogelijk op te sporen op basis van de verkregen gegevens. Dit speelt een cruciale rol bij het zo nauwkeurig mogelijk beoordelen van het structurele gedrag in voorbereiding van een mogelijke reparatie ingreep.Het doel van dit proefschrift is om de tekortkomingen van traditionele optimalisatie-algoritmen en machine-learning aan te pakken, en tevens sterke tools te ontwikkelen om de nauwkeurigheid en effectiviteit van SHM te vergroten.
Praktisch
- Datum
- Donderdag 24 februari 2022, 09:00
- Livestream
- Volg online
Verdediging on campus, maar met beperkt publiek (op uitnodiging van de kandidaat)
Meer info
- Contact
- doctoraat.ea@ugent.be