روشی مبتنی بر یادگیری عمیق جهت بررسی وضعیت سلامت کلی وموضعی سازه های عمرانی

در این مقاله یک روش مبتنی بر یادگیری عمیق جهت پایش سلامت سازه ارایه می شود که قابلیت تعیین وضعیت سلامت موضعی و کلی سازه را دارد. پاسخ های سازه تحت اثر بارهای محیطی جمع آوری می شوند و با استفاده از تبدیل فوریه سریع به حوزه فرکانس منتقل می شوند. با استفاده از یک شبکه عصبی بدون بازرس عمیق ویژگی های معنا دار موجود در داده های جمع آوری شده از سازه که به حوزه فرکانس منتقل شده اند، در وضعیت بدون آسیب و مجهول سازه استخراج می شوند. شاخص سلامت در هر یک از قسمت های سازه با استفاده از ویژگی های استخراج شده توسط شبکه عصبی محاسبه می شود. یکی از مهم ترین مزیت های روش پیشنهادی در این مقاله عدم نیاز به مدلسازی سطوح آسیب مختلف در سازه می باشد و آموزش شبکه عصبی بدون بارزس عمیق فقط با داده های برداشته شده از سازه در وضعیت سالم انجام می شود. جهت بررسی صحت عملکرد روش پیشنهادی از یک مدل کامپیوتری سازه ساختمانی استفاده شده. داده های بدست آمده از مدلسازی سازه ساختمانی با استفاده از روش پیشنهادی مورد بررسی قرار گرفتند که بیانگر عملکرد قابل قبول روش پیشنهادی در تشخیص محل و شدت آسیب های ایجاد شده در سازه می باشد.

Keywords:

پایش سلامت سازه , یادگیری عمیق , شبکه عصبی بدون بازرس , استخراج ویژگی