메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색

논문 기본 정보

자료유형
학술저널
저자정보
조준희 (University of Hawaii at Manoa) LeThanh Long (Duy Tan University) JeeWoong Park (University of Nevada at Las Vegas) Sung-Hwan Jang (Hanyang University)
저널정보
국제구조공학회 Smart Structures and Systems, An International Journal Smart Structures and Systems, An International Journal Vol.28 No.3
발행연도
2021.9
수록면
355 - 362 (8page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색

초록· 키워드

오류제보하기
A passive wireless strain sensing method using antenna sensors has significantly advanced structural health monitoring systems. Since the dimensions of antenna sensors are sensitive to their strain sensing performance and operating frequency, an iterative tuning process is required to achieve a final optimized design. Although multi-physics finite element simulation enables accurate estimation of antenna performance for each turning iteration, the simulation process requires high computational resources. Therefore, antenna tuning processes are recognized as obstacles to delay the final design process. In this study, we explore the potential of multi-physics informed models as an alternative approach for analyzing antenna sensors. Through deep neural networks, as a branch of the machine-learning algorithms, we formulate multi-physics informed models with six input parameters (antenna dimensions) and two outputs (resonance frequency and strain sensitivity). Twenty-two hundred high fidelity data sets are prepared by simulating multi-physics models: 1,600, 400, and 200 data sets are applied to deep neural network regression (DNNR) training, validating, and testing, respectively. From extensive data investigation, an optimized DNNR architecture is obtained to be two layers, with 16 neurons in each layer. Its training, validating, and testing values of mean square errors are 13.01, 44.22, 37.27, respectively. Finally, the proposed multi-physics informed model predicts the resonance frequency and strain sensitivity with errors of 0.1% and 0.07%, respectively. In addition, since the average computation speed for each tuning process is 0.007 seconds, the practical usefulness of the proposed method is also proven.
#antenna strain sensor #deep neural network #machine learning #multi-physics simulation #patch antenna #wireless strain measurement

목차

등록된 정보가 없습니다.

참고문헌 (28)

참고문헌 신청
E.H. Newman / 1991 / An introduction to the method of moments / Computer Physics Communications 68(1-3):1~18 Crossref Balanis, C. A. / 1989 / Advanced Engineering Electromagnetics / Wiley & Sons, Inc google schola Bushyager, N. A. / 2005 / Multi resolution time domain method in electromagnetics / Morgan & claypool google schola Çelebi, M. / 2002 / Seismic instrumentation of buildings(with Emphasis on Federal Buildings) google schola Chang, F. -K. / 2013 / Structural heath monitoring 2013: a roadmap to intelligent structures google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0