Impact Events for Structural Health Monitoring of a Thin Plate

本数据集名为‘Impact Events for Structural Health Monitoring of a Thin Plate’，由希腊帕特雷大学计算机工程与信息学系创建。数据集包含771条记录，每条记录来自一个独特的实验，涉及低速、低能量的冲击事件。数据通过四个位于薄塑料板角落的陶瓷压电传感器收集，每个传感器在100 KHz采样率下记录5000个值。数据集创建过程中，使用钢球从10至20厘米的不同高度自由落下，以模拟冲击事件。该数据集主要应用于结构健康监测领域，旨在解决结构中冲击检测和定位的问题，支持机器学习和统计分析方法的研究。

This dataset, titled "Impact Events for Structural Health Monitoring of a Thin Plate", was developed by the Department of Computer Engineering and Informatics, University of Patras, Greece. It contains 771 records, each originating from a unique experiment involving low-speed, low-energy impact events. Data were collected using four ceramic piezoelectric sensors placed at the corners of a thin plastic plate, with each sensor recording 5000 data points at a sampling rate of 100 kHz. During the dataset creation process, steel balls were freely dropped from varying heights ranging from 10 cm to 20 cm to simulate impact events. This dataset is primarily applied in the field of structural health monitoring, aiming to address the issues of impact detection and localization in structures, and supports research on machine learning and statistical analysis methods.

搜集汇总

数据集介绍

构建方式

该数据集的构建涉及在一个薄塑料板（丙烯酸）上安装四个压电传感器（PZTs），并使用一个基于Arduino NANO 33 MCU的物联网（IoT）设备进行数据采集。实验设计使用Sobol序列，确保测试序列的均匀分布和避免重叠。实验过程中，通过从不同高度（10cm至20cm）释放一个钢球来产生冲击事件，每个实验至少重复三次，以增强数据集的稳健性。数据采集时，传感器的采样频率设置为100kHz，以确保尽可能详细地捕获冲击现象。

特点

数据集包含来自四个PZT传感器的时序数据，这些传感器安装在板的四个角落。数据集具有以下特点：1）低速度、低能量的冲击事件；2）每个实验至少有三个重复，以确保数据的稳健性；3）每个传感器和重复都存储了5000个值；4）数据采集频率为100kHz，能够捕获冲击现象的细节；5）数据集包含771个实验，涵盖了不同的冲击坐标和高度。

使用方法

该数据集可用于研究结构健康监测（SHM）中的冲击检测和定位。具体使用方法包括：1）冲击检测，通过传感器测量区分是否有重大冲击事件发生；2）冲击定位，通过分类和回归算法确定冲击发生的位置；3）钢球高度分类，根据实验确定钢球释放的高度；4）冲击力估计，通过分类冲击的能量/力水平来了解冲击的严重性。此外，数据集还提供了特征提取的详细信息，可用于机器学习模型的输入。

背景与挑战

背景概述

在结构健康监测（SHM）领域，随着物联网技术的广泛应用，低成本、可扩展且互操作性强的监测系统正变得越来越重要。然而，现有的SHM数据集大多涉及振动和视觉数据，而针对薄板结构中使用压电传感器（PZTs）进行冲击检测和定位的数据集却相对缺乏。为了填补这一空白，Ioannis Katsidimas等人创建了一个名为“Impact Events for Structural Health Monitoring of a Thin Plate”的数据集。该数据集收集了在薄塑料板上进行低速度、低能量冲击事件的实验数据，使用陶瓷压电传感器连接到物联网设备进行监测。该数据集包含了至少3次重复的每个独特实验，每个传感器存储了5000个值，采样率为100 kHz。实验中使用的冲击体是钢球，释放高度从10厘米到20厘米不等。该数据集旨在帮助研究人员研究冲击检测和定位，为结构健康监测应用提供实验数据。

当前挑战

该数据集的研究面临的主要挑战包括数据质量、可靠的冲击刺激方法、PZT传感器的稳定性以及高频数据采样的自动化采集和处理。为了确保数据质量，研究人员进行了多次重复实验，并使用Sobol算法定义了最优的冲击样本。为了实现可靠的冲击刺激，他们设计了钢球下落装置以确保实验的一致性和可重复性。PZT传感器的稳定性通过手动测试每个传感器的响应来确保。高频数据采样的自动化采集和处理通过使用Arduino的连续逼近模拟数字转换器（SAADC）和可编程外设接口（PPI）来实现。尽管SAADC的采样率超过15 kHz，但由于同步问题，Arduino在更新SAADC存储缓冲区的索引和大小时会出现内存写入异常。为了解决这个问题，研究人员开发了自动触发机制，以启动数据采集过程，并将数据传输到第二个数据结构，然后重新启动SAADC以重新初始化缓冲区。通过使用PPI，SAADC的重新启动被避免，从而实现了高效的采样过程。

常用场景

经典使用场景

在结构健康监测（SHM）领域，准确地检测和定位冲击事件对于评估结构完整性至关重要。该数据集提供了使用陶瓷压电换能器（PZTs）在物联网（IoT）设备上进行的低速度、低能量冲击事件的时序数据，为研究人员提供了实验性的真实世界数据。数据集包含了至少三次重复的每个独特实验，以及来自板角四个PZTs传感器的输入测量，采样率为100 kHz。该数据集的经典使用场景包括冲击检测、冲击定位、钢球高度分类和冲击力估计等，这些场景对于评估结构完整性具有重要意义。

衍生相关工作

该数据集的发布为冲击检测和定位研究提供了新的数据来源，并促进了相关领域的发展。例如，研究人员可以使用该数据集来开发基于机器学习的冲击检测和定位算法，以及基于物联网的冲击监测系统。此外，该数据集还可以用于评估不同冲击检测和定位算法的性能，以及研究冲击对结构完整性的影响。

数据集最近研究

最新研究方向

该数据集的发布，标志着在结构健康监测（SHM）领域，特别是针对薄板结构的冲击检测与定位研究迈出了重要一步。该数据集利用陶瓷压电传感器（PZTs）与物联网（IoT）设备相连接，收集了低速度、低能量的冲击事件时间序列数据，为研究提供了实验性、真实世界的数据支持。通过分析这些数据，研究人员可以深入探讨冲击事件的检测、定位、钢球高度分类以及冲击力估算等问题。该数据集的发布不仅填补了现有数据集在冲击检测与定位研究中的空白，也为物联网技术在结构健康监测领域的应用提供了新的视角。未来，随着数据集的扩展和更多实验的进行，我们有理由相信，该数据集将在结构健康监测领域发挥更加重要的作用。

相关研究论文

• Dataset: Impact Events for Structural Health Monitoring of a Plastic Thin Plate

  计算机工程与信息学系，帕特雷大学，希腊 · 2022年