University of Surrey och King's College London har utvecklat en ny maskininlärningsalgoritm (AI) som kan förändra hur vi övervakar stor infrastruktur – som dammar och broar.

I en tidning publicerad av tidskriften Strukturell hälsoövervakning , forskare från Surrey och Kings beskriver hur de skapade ett AI-system vid namn SHMnet för att analysera och bedöma skadorna på bultanslutningar som används i metalliska strukturer.

Byggd på grunden av ett modifierat Alex-Net neuralt nätverk, forskargruppen satte upp ett slaghammartest under labbförhållanden och gav SHMnet i uppdrag att exakt identifiera de subtila tillståndsförändringarna för anslutningsbultar på en stålram under 10 skadescenarier.

Teamet fann att när SHMnet tränas med fyra upprepade datamängder, den hade en felfri (100 procent) identifieringspost i sina tester.

Dr Ying Wang, motsvarande författare till tidningen och biträdande professor vid University of Surrey, sa:

"Prestandan hos vårt neurala nätverk tyder på att SHMnet kan vara otroligt användbart för konstruktionsingenjörer, regeringar och andra organisationer som har till uppgift att övervaka broarnas integritet, torn, dammar och andra metallkonstruktioner.

"Medan det finns mer att göra, som att testa SHMnet under olika vibrationsförhållanden och få mer träningsdata, det verkliga testet är att detta system ska användas på fältet där en tillförlitlig, ett korrekt och prisvärt sätt att övervaka infrastrukturen är ett stort behov."