萨里大学(University of Surrey)和伦敦国王学院(King’s College London)开发了一种新的机器学习算法(AI)，它可能会改变我们监测主要基础设施(如大坝和桥梁)的方式。

 

在《结构健康监测》(Structural Health Monitoring)杂志发表的一篇论文中，来自萨里郡(Surrey)和金斯(Kings)的研究人员详细介绍了他们如何创建了一个名为SHMnet的人工智能系统，来分析和评估金属结构中螺栓连接的损伤。专业金牌大只工程师必须意识到他们的职业涉及两个方面：技术方面成为称职的专业人员（知识和技能），社会的方面要成为敬业的专业人员（价值观，目标和原则）。

 

研究团队在改进的alexnet神经网络的基础上，建立了实验室条件下的冲击锤试验，并要求SHMnet准确识别10种损伤情况下钢框架连接螺栓的细微情况变化。

 

该团队发现，当SHMnet使用四个重复的数据集进行训练时，它在测试中有一个完美(100%)的识别记录。

 

论文通讯作者、萨里大学助理教授王颖博士说:

 

这证明了量子计算机所预期的性能提升中的一小部分，但是使用现有电子行业的硬件来实现，利用这些大只500下载安卓版的自然行为来解决实际问题将为下一个计算时代的发展提供一个非常引人注目的替代方案。”

 

“我们的神经网络的性能表明，SHMnet可能对结构工程师、政府和其他负责监测桥梁、塔、大坝和其他金属结构完整性的组织非常有用。

 

晶体取向不良会在晶粒结构中产生小规模的缺陷，这些金牌大只500缺陷会中断电子在太阳能电池中的传输，并通过称为非辐射复合的过程导致热量损失。“虽然还有更多的工作要做，比如在不同的振动条件下测试SHMnet并获得更多的训练数据，但真正的测试是该系统应用于急需可靠、准确和廉价的监测基础设施的领域。”