Multiple-input, multiple-output modal testing of a Hawk T1A aircraft: A new full-scale dataset for structural health monitoring

从结构物的振动数据中测量并进行推断和监测的方法有着悠久的历史。特别是，基于系统辨识和结构健康监测的应用在近几十年中得到了广泛应用，并在实践中带来了显著的好处。然而，在这些方法的发展中仍存在重大挑战。引入真实的、全尺寸的数据集将是克服这些挑战的重要贡献。本文介绍了一个新的基准数据集，捕捉了一架退役的BAE Systems Hawk T1A的动态响应。该数据集反映了一种具有服务历史的复杂结构的行为，可以在受控实验室条件下使用各种已知的载荷和损伤模拟条件进行测试。因此，它提供了简单实验室测试结构和在役结构之间的关键垫脚石。在本文中，详细描述了Hawk结构，以及进行的实验工作的全面总结。随后，呈现了数据集的关键描述性亮点，然后讨论了数据所呈现的研究挑战。利用数据集，展示了结构的非线性特征，以及结构对不同类型损伤的敏感性。该数据集非常适用于许多学术研究，并且额外的分析技术将进一步推动基于振动的工程技术的发展。

本文旨在通过提供一个新的基准数据集来解决结构健康监测和系统识别方法的发展中所面临的挑战，特别是在真实、全尺寸数据集方面的挑战。

本文提供了一个新的基准数据集，以捕捉废弃的BAE Systems Hawk T1A的动态响应，反映了一个有着服务历史的复杂结构的行为，可以在控制实验室条件下进行测试，使用各种已知的加载和损伤模拟条件。

本文介绍了Hawk结构的详细信息，以及进行的实验工作的全面总结。数据集展示了结构的非线性性以及结构对不同类型损伤的敏感性。该数据集对许多学术研究和进一步改进振动基础工程技术的附加分析技术具有高度适用性。

在这个领域中，最近的相关研究包括《机器学习在结构健康监测中的应用：综述》、《基于机器学习的结构健康监测：实现和评估》等。