جواد نوروزی - دانشجوی کارشناسی ارشد سازه، دانشکده فنی و مهندسی، دانشگاه شهید باهنر کرمان، کرمان، ایران
پیمان ترک زاده - دانشیار بخش مهندسی عمران، دانشکده فنی و مهندسی، دانشگاه شهید باهنر کرمان، کرمان، ایران

الگوریتم های مبتنی بر هوش مصنوعی، یکی از روش های نوین تشخیص خرابی در سازه ها بوده که امروزه مورد توجه فراوان می باشد. در این پژوهش، جهت تشخیص مکان و شدت خرابی، از یک روش دو مرحله ایجدید استفاده شده است. در مرحله اول عیب یابی، المان های محتمل خرابی با استفاده از روش انرژی کرنشی مودال شناسایی گردیده و در مرحله دوم، شدت آسیب المان های مشخص شده در مرحله قبل، با استفاده از الگوریتم رگرسیون بردار پشتیبان تعیین می گردد. به منظور بهبود عملکرد و بالا رفتن دقت و سرعت، الگوریتم رگرسیون بردار پشتیبان موجکی با استفاده از تابع کرنل موجکی پیشنهاد گردیده و از آن در روند عیب یابی استفاده شده است. همچنین در این پژوهش، از یک روش موجکی برای کاهش اثر نویز وارد بر پاسخ های سازه ای استفاده شده و با سایر روش ها مقایسه گردیده است. به منظور ارزیابی عملکرد روش پیشنهادی در عیب یابی سازه ها، مثال های عددی حل شده و نتایج حاصله بیانگر کارایی و دقت مطلوب روش پیشنهادی می باشد.

عیب یابی سازه ها، رگرسیون بردار پشتیبان موجکی، تبدیل موجک گسسته، انرژی کرنشی مودال