تشخيص خرابي در يك پل كابلي با استفاده از داده هاي موجود بر مبناي روش يادگيري عميق

كارشناسي ارشد

چكيده: بروز آسيب‌هاي ناشي از بارگذاري‌هاي ناگهاني و خاص مانند زلزله باعث تغييرات نامطلوبي در عملكرد سازه مي‌شود لذا در سال‌هاي اخير با توجه به افزايش هزينه ساخت سازه‌هاي مهم شده است. از سوي ديگر به جهت كاهش احتمال آسيب‌هاي اساسي و تعمير سازه پيش از بروز هرگونه خطر تخريب، نياز به روش‌هايي جهت شناسايي آسيب در سازه‌ها بيش از پيش احساس مي‌شود. ازاين‌رو دست‌يابي به روش‌هايي جهت شناسايي و يافتن محل آسيب همواره مورد توجه مهندسين عمران، مكانيك و هوافضا بوده است. ايده اصلي در اكثر اين روش‌ها استفاده از پاسخ‌هاي سازه بر اساس پيش‌فرض‌هاي موجود به عوامل بيروني است. در اغلب اين مطالعات سازه به‌عنوان‌ يك سيستم ‌ديناميكي با جرم، سختي و ميرايي يكتا در نظر گرفته مي‌شود. در صورت آسيب سازه ‌اين پارامترها با تغيير مواجه مي‌شوند و تغييرات خود را در پاسخ‌هاي سازه نشان مي‌دهد. اين پاسخ‌ها به‌صورت سيگنال‌هاي زماني، حاوي خصوصيات ديناميكي سازه است. با تحليل سيگنال خصوصيات قابليت استخراج داشته و در تشخيص آسيب مي‌توان از آن‌ها بهره گرفت. پيشرفت روزافزون علم يادگيري ماشين نه تنها شرايط را براي پيشرفت علوم مهندسي مهيا كرده است بلكه اين پيشرفت به گونه‌اي بوده كه امروزه كامپيوترها اغلب محاسبات مهم را بر عهده خواهند داشت. يكي از روش‌هاي موردتوجه استفاده از شبكه‌هاي عصبي عميق درهم‌تنيده(كانولوشن) به‌منظور تشخيص خصوصيات ذكر شده در سيگنال‌هاي سازه است. در اين پايان‌نامه سعي شده است تا شبكه‌ي درهم‌تنيده‌ي(كانولوشن) يك‌بعدي جهت تشخيص حالت سالم از ناسالم طراحي شود، علاوه بر آن اثر تابع نرمال‌ساز در فاز پيش‌پردازش داده و اثر دو تابع بهينه‌ساز گراديان كاهشي و آدام در فرآيند آموزش شبكه نيز موردبررسي قرار گرفته‌است. به جهت ارزيابي توانايي روش ارائه شده از داده‌هاي موجود پل كابلي يانگ در كشور چين استفاده شده است. درنهايت مي‌توان بيان كرد كه نتايج حاكي از عملكرد رضايت بخش، دقيق و سريع روش شبكه عصبي عميق درهم‌تنيده(كانولوشن) يك‌بعدي در تشخيص حالت سالم از ناسالم است.

193812

دانشگاه علم و صنعت ايران

دكتر درويشان

عمران

دكتر قدرتي اميري