فرهاد جداری زارع زاده - دانشجوی دکتری، مهندسی عمران سازه، دانشگاه تبریز، تبریز، ایران
مسعود فرزام - دانشیار، مهندسی عمران سازه، دانشگاه تبریز، تبریز، ایران
مهران داداش زاده - دانشجوی دکتری، مهندسی عمران سازههای دریایی، دانشگاه تبریز، تبریز، ایران

یکی از اساسیترین زمینه های علم پایش سلامت سازه ها آسیب یابی در سازه های مهندسی میباشد که با گذشت زمان و با توجه به هزینه های تعمیر و نگهداری سازه ها بر اهمیت آن افزوده شده است. در پژوهش حاضر یک روش آسیب یابی آماری با استفاده از تبدیل موجک و یادگیری ماشین در یک تیر بتن آرمه مدلسازی شده با شرایط انتهایی دو سر گیردار پیشنهاد شده است. مدلسازی تیر مورد نظر در نرم افزار Abaqus انجام شده و آسیبها در دو نقطه مشخص از طول تیر به صورت ترکهایی ثابت به روش اجزا محدود توسعه یافته (XFEM) تعریف گردیده است. در ادامه عضو مورد نظر تحت اثر بار دینامیکی ضربه قرار گرفته و پاسخ از جنس تغییر مکان استخراج شده است. در گام بعدی پاسخهای دینامیکی حاصله با استفاده از تبدیل موجک پیوسته (CWT) مورد تحلیل قرار گرفته و ضرایب موجک در هر یک از نقاط اندازه گیری طول تیر استخراج شده است. سپس تجزیه مولفه های اصلی (PCA) به عنوان یک روش یادگیری ماشین به منظور استخراج الگوی توزیع ضرایب موجک و کاهش نویز در داده ها تعریف گردیده است. نتایج بدست آمده از یادگیری ماشین نشان میدهد چند مولفه اول حاصله، ارتباط مستحکمی با موقعیت آسیب در طول تیر دارند. همچنین به منظور شناسایی محتمل ترین نقطه آسیب، آزمون نسبت درست نمایی متناظر با چند مولفه اول در نقاط اندازه گیری اعمال گردید. نتایج حاکی از آن است که الگوریتم پیشنهادشده بسیار کارآمد بوده و موقعیت آسیب با درصد خطای کمتر از یک درصد بدست می آید.

پایش سلامت سازه، تبدیل موجک، یادگیری ماشین، تجزیه مولفه های اصلی، آزمون نسبت درست نمایی.