پایش سلامت سازه ها با استفاده از شبکه های عصبی

اغلب سازه هاي عمرانی در برابر زلزله هایی که براي مقابله با آن طراحی شده اند، وارد ناحیه غیرخطی مصالح میشوند. شناسایی خسارت سازه ازجمله روشهایی است که میتواند قابلیت اعتماد سازه را افزایش و هزینه نگهداري را کااهش دهد. از اینرو شناسایی خسارت سازه در سازه هایی با رفتار و پاسخ غیرخطی اهمیت می یابد. در این مطالعه از ابزار شبکه عصبی استفاده شد.مدل ایجادشده از میزان جابه جایی نسبی طبقات به عنوان ورودی استفاده کرد و خروجی آن سطح مقطع هرکدام از اعضا در یک قاب خمشی فولادي با رفتار برشی در نظر گرفته شد. درواقع این مدل شبکه عصبی ایجادشده در این مطالعه خرابی، مکان و شدت آن را ارزیابی کرد. سپس جوابهاي بدست آمده از مدل شبکه هاي عصبی با جوابهاي دقیق حاصل از روش اجزا محدود مقایسه تا دقت مدل بررسی شود. اگرچه در این روش از جابه جایی سازه استفاده شد که به طور کلی نسبت به شتاب کاربرد کمتري در شناسایی و دقت عملکردي در روشهاي شناسایی خسارت دارد اما شبکه عصبی شعاعی نشان داد که حتی با استفاده از داده هاي جابه جایی به عنوان داده ورودي از دقت قابل قبولی برخوردار است. آنچه در این روش حائز اهمیت است کارایی آن حتی در حوزه غیرخطی است. نه تنها این روش هزینه ي زیادي دربر ندارد بلکه با استفاده از این روش میتوان سازه را به طور پیوسته و لحظه به لحظه مورد بررسی قرار داد و زمان ترمیم آنرا معین کرد.

Keywords:

پایش سلامت سازهای , شبکه های عصبی , شناسایی خسارت , هوش مصنوعی , قاب فولادی خمشی