شناسایی خسارت در سازه با استفاده از پردازش سیگنال و شبکه های عصبی مصنوعی
نویسندگان
چکیده مقاله:
در طول دو دهه اخیر بحث شناسایی خرابی و پایش سلامت سازه ها با هدف کاهش هزینه نگهداری و بهبود ایمنی و قابلیت اطمینان سازه مورد توجه قرار گرفته است. پس از وقوع زلزله با توجه به وضعیت بحرانی موجود و تعداد زیاد سازه های بلند مرتبه امکان مراجعه حضوری به تک تک سازه ها وجود ندارد. این موضوع اهمیت توسعه روش هایی که بتوانند تنها با استفاده از سیگنال های پاسخ ثبت شده در مدت زمان زلزله، خسارت ایجاد شده در سازه را شناسایی کنند، برجسته تر می سازد. بسیاری از روش های موجود به خصوص روش های مبتنی بر پردازش سیگنال قادر به تعیین شدت خسارت نیستند، در حالی که تعیین شدت به عنوان یکی از اهداف اصلی شناسایی خسارت در تعیین اولویت ها و مدیریت بحران پس از وقوع زلزله نقش به سزایی دارد. در این مقاله تلاش شده است تا با بهره گیری از ابزار های پردازش سیگنال و هوش مصنوعی ویژگی های حساس به خسارت به گونه ای تعیین شوند که بتوان وجود آسیب، محل و شدت آن را تنها با استفاده از سیگنال های پاسخ ارتعاشی ثبت شده در مدت زمان زلزله، با دقت مناسب تعیین کرد. در ابتدا سه روش پردازش سیگنال زمان-فرکانس آنی مورد ارزیابی و مقایسه قرار می گیرند و روش EMD به عنوان روشی با بهترین عملکرد برای هدف شناسایی خسارت انتخاب می شود. سپس معیار خسارت مناسبی بر اساس سیگنال های خروجی از سنسور های جاسازی شده در سازه با بهره گیری از EMD استخراج می شود و در نهایت الگوریتمی برای شناسایی خسارت سازه ای ارائه و روی سازه بنچ مارک پایش سلامت سازه ASCE IASC- اعمال می شود. نتایج حاکی از آن است که تلفیق تکنیک پردازش سیگنال با هوش مصنوعی کمک شایانی به تحقق اهداف سه گانه شناسایی خسارت داشته است.
منابع مشابه
شناسایی خسارت با هزینه کم پلهای کابلی با استفاده از پردازش سیگنال و فراگیری ماشین
امروزه با کمک روشهای پایش سلامت سازه ها می توان وقوع خسارت را در همان مراحل اولیه شناسایی کرد و از وقوع خسارت های مالی و جانی جلوگیری کرد. با این حال یکی از موانع بر سر راه متداول شدن این روشها در کشور گران قیمت بودن سیستمهای پایش سلامت است. هدف از این پژوهش ارائه یک روش شناسایی خسارت با هزینه کم برای پل ها با استفاده از تکنیک های پردازش سیگنال و فراگیری ماشین است. جهت کاهش هزینه ها تعداد سنسور...
متن کاملپردازش سیگنال های الکتروآنسفالوگرافی به منظور تشخیص انواع تشنجات صرعی پتی مال وگراندمال با استفاده از شبکه های عصبی مصنوعی
مقدمه: تشنج مهم ترین تظاهر بیماری صرع بوده و آنالیز دقیق آن نیز از طریق انجام الکتروآنسفالوگرافی امکان پذیراست. به وسیله آشکار سازی دشارژهای صرعی شکل (امواج سوزنی ) امکان تشخیص بیماری صرع در سیگنال eeg وجود دارد. یک درصد افراد در زندگیشان این بیماری را تجربه می کنند. پیش از این قابلیت تشخیص هوشمندانه امواج سوزنی بررسی شده اما هدف این تحقیق تشخیص صرع های پتی مال (غایب) و گراندمال از طریق پردازش ...
متن کاملشناسایی خسارت سازه‌یی در قاب‌های برشی بر اساس پردازش سیگنال با استفاده از تبدیل S تعمیم‌یافته با پنجره مختلط
در این نوشتار روشی مؤثر برای شناسایی خرابی در قاب‌های برشی براساس پردازش سیگنال با استفاده از تبدیل $S$ با پنجره‌ی مختلط و مدولاسیون فاز ($S_{CW}$) معرفی شده است. تبدیل $S$ برای غلبه‌کردن بر محدودیت‌های ذاتی تبدیل موجک در نمایش زمانٓـ بسامد سیگنال در چند سال گذشته توسعه داده شده است. نوع تعمیم‌یافته‌ی این تبدیل، تبدیل $S$ با پنجره‌ی مختلط و مدولاسیون فاز ($S_{CW}$) است، که قابلیت بالایی در موض...
متن کاملتشخیص عیب یاتاقان های غلتشی با استفاده از سیگنال های ارتعاشی بر اساس تحلیل طیف تکین و شبکه عصبی مصنوعی
در کاربردهای صنعتی، پایش وضعیت و عیبیابی بیرینگها از اهمیت زیادی برخوردار است. تحلیل ارتعاشی، انتشار صدا، دمانگاری و تحلیل روانکار از جمله روشهای تشخیصی جهت شناسایی عیوب بیرینگها میباشند. یکی از قابل اطمینانترین روشها جهت عیبیابی تجهیزات دوار، مطالعه بر روی سیگنال ارتعاشی میباشد. تاکنون روشهای مختلفی جهت عیبیابی بیرینگهای غلتشی توسط سیگنالهای ارتعاشی در حوزه زمان ارائه شده است. بیش...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
عنوان ژورنال
دوره 16 شماره 52
صفحات 21- 21
تاریخ انتشار 2018-03-21
با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023