资料简介
摘要：像环太平洋地震带这样的地震多发地区，需要采取积极措施来降低地震风险。本研究探索了地震易损性评估（SVA）与结构健康监测（SHM）之间的协同作用，以增强基础设施的抗震能力。研究人员将机器学习算法与包括地震仪和加速度计在内的多种传感器相结合，通过分析振动数据进行无损检测。这种多方面的方法，涵盖利用探地雷达进行地下分析，以及利用声发射/超声检测进行内部评估，提高了结构健康监测的精度，有助于在各种材料和结构中预先识别易损性。通过分析现有的聚焦结构健康监测的地震易损性评估研究，作者找出了当前监测实践中的差距，旨在为不同结构和环境创建更强大、可扩展且适应性强的解决方案。该研究剖析了各种结构健康监测方法，分析了它们的参数和原型，并探讨了现有结构评估中存在的挑战。作者提出了全面的策略和解决方案，以弥合研究差距，同时利用回弹锤测试和铁磁扫描等无损检测方法，结合计算机辅助结构设计软件和合理的改造措施。作者旨在通过学术界、工业界和政府部门的共同努力，推动结构健康监测技术的发展，从而形成有效的跨学科地震风险缓解策略。
| 
