Structural Assessment of Bridges Using Hybrid Advanced Soft Computing Techniques
- Promovendus/a
- Nguyen, Ngoc Lan
- Faculteit
- Faculteit Ingenieurswetenschappen en Architectuur
- Vakgroep
- Vakgroep Elektromechanica, Systeem- en Metaalengineering
- Curriculum
- Master Sciences, Technologies, Santé, mention Génie Civil, Université Paris-Est Marne-la-Vallée (Frankrijk), 2019
- Academische graad
- Doctor in de ingenieurswetenschappen: bouwkunde
- Taal proefschrift
- Engels
- Vertaling titel
- Structurele beoordeling van bruggen met behulp van hybride geavanceerde softcomputing-technieken
- 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. Nguyen Dong Anh, Vietnam Academy of Science and Technology, Vietnam - prof. Hans De Backer, vakgroep Civiele Techniek - prof. Hung Nguyen-Xuan, Ho Chi Minh City University of Technology, Vietnam - dr. Huong Duong Nguyen, Hanoi University of Civil Engineering, Vietnam - dr. Anil Sudhakar, vakgroep Elektromechanica, Systeem- en Metaalengineering - promotor prof. Magd Abdel Wahab, vakgroep Elektromechanica, Systeem- en Metaalengineering - promotor prof. Tien Thanh Bui, University of Transport and Communications, Vietnam - promotor em. prof. Guido De Roeck, KU Leuven
Korte beschrijving
Deze thesis onderzoekt het gebruik van geavanceerde hybride soft computing-technieken om Structural Health Monitoring (SHM)-systemen voor brugstructuren te verbeteren. Het doel is om de schade-detectie te verbeteren, het onderhoud te optimaliseren en de veiligheid en levensduur van bruggen te waarborgen. Twee nieuwe hybride benaderingen worden voorgesteld: de Hybrid Bee-Genetic Algorithm (HBGA) voor modelgebaseerde schade-detectie en de geëvolueerde Artificial Rabbit Optimization met Deep Neural Networks (EVARODNN) voor data-gedreven schadebeoordeling. De HBGA combineert de sterke punten van het Bee Algorithm en het Genetic Algorithm, wat resulteert in betere nauwkeurigheid en efficiëntie bij schade-detectie, gevalideerd door een case study van de Na Xa-brug in Vietnam. De EVARODNN integreert het EVARO-optimalisatie-algoritme met deep learning, waardoor de robuustheid en generalisatiecapaciteiten van neurale netwerken worden verbeterd. Deze methode werd getest op benchmarkdatasets en toonde superieure prestaties bij het detecteren van brugschade, met name voor de Chuong Duong-brug. Beide methoden lieten verbeterde detectienauwkeurigheid, verminderde rekentijd en betrouwbare prestaties in real-world toepassingen zien. De thesis levert een bijdrage aan meer intelligente en efficiënte SHM-systemen en biedt een basis voor toekomstige vooruitgangen in infrastructuurmonitoring en -onderhoud.
Praktisch
- Datum
- Woensdag 2 april 2025, 10:00
- Locatie
- Auditorium P Jozef Plateau, Plateaustraat 22, 9000 Gent
- Livestream
- Volg online
Meer info
- Contact
- doctoraat.ea@UGent.be