پايش سلامت سازه‌اي پل‌ها از طريق استخراج و انتخاب ويژگي با استفاده از روش‌هاي يادگيري ماشين

كارشناسي ارشد

با توجه به نقش مهم مسائل اقتصادي در دنياي امروز و ضرورت پيشگيري از خرابي‌هاي ناگهاني در سازه‌ها كه منجر به خسارات جاني و مالي زيادي مي‌شود، علم پايش سلامت سازه‌ها به نقطه عطف بزرگي در جريان تكامل خود رسيده است. يكي از شاخه‌هاي مطرح در اين علم، روش‌هاي مبتني بر پردازش سيگنال مي‌باشد.علاوه بر اين روش‌هاي مبتني بر هوش مصنوعي امروزه با اقبال بسيار گسترده‌اي مواجه شده است. روش‌هاي متداولِ پايش سلامت سازه‌ها در اين حوزه، اكثراً از مرحله پيش‌پردازش و پردازش سيگنال بهره مي‌برند كه منجر به بالا رفتن حجم محاسبات و پايين آمدن سرعت پيش‌بيني مي‌شود. ضمن اينكه در اكثر اين روش‌ها تعداد سنسورها در سيستم پايش سلامت سازه، ثابت در نظر گرفته مي‌شود. در اين پايان‌نامه سعي شده است تا با استفاده از روش‌هاي يادگيري ماشين، الگوريتمي كارآمد جهت تشخيص خرابي در سازه‌ها طراحي شود، به نحوي كه با كم كردن تعداد سنسورهاي لازم جهت پايش سلامت، از حجم عمليات محاسباتي كاسته شود. به اين ترتيب اين روش قادر خواهد بود هزينه كمتري را در عين دقت بالا از خود نشان دهد. 2 نوآوري مهم در اين پژوهش، حذف مرحله پردازش سيگنال و در نظر گرفتن سنسورها در مرحله انتخاب ويژگي است. در اين تحقيق با تعريف عبارت سنسور-ويژگي سعي شده است تا برخلاف ساير روش‌هاي متداول، علاوه بر انتخاب ويژگي‌هاي برتر، بهترين سنسورها نيز تعيين شوند تا در راستاي كم‌هزينه كردن و كارآمدتر كردن پايش سلامت سازه‌ها قدم بزرگي برداشته شود كه اين كار به عنوان نوآوري دوم اين پژوهش براي اولين بار بر روي اين پل صورت گرفته است. درنهايت پس از پياده‌سازي اين روش بر روي داده‌هاي يك پل مرجع، از ميان 16 سنسور مستقر شده بر روي عرشه اين پل، 2 سنسور به عنوان بهترين سنسورها و ويژگي آنتروپي شانون نيز به عنوان بهترين ويژگي معرفي شد تا به عنوان ورودي براي يادگيري ماشين استفاده شوند. در پايان روش پيشنهادي دقت بسيار بالايي از خود نشان داد و در مقايسه با ساير روش‌هاي مطرح موفق‌تر عمل كند. واژه‌هاي كليدي: پايش سلامت سازه‌ها، شناسايي آسيب، يادگيري ماشين، دسته‌بندي

194400

دانشگاه علم و صنعت ايران

دكتر احسان درويشان

زلزله

دكتر غلامرضا قدرتي اميري