تشخيص آسيب در قاب فولادي با استفاده از رويكرد جديد يادگيري عميق

كارشناسي ارشد

بررسي وضعيت سلامت سازه‌ها با كاربري‌‌هاي متفاوت پس از رخدادهاي مختلف همچون زلزله‌، سيل، آتش‌سوزي، خوردگي و يا حتي اثر افزايش سن سازه بر آن ضروري بوده و در صورت استفاده از نيروي متخصص شامل افراد و تجهيزات بررسي، جزو عمليات‌هاي گران قيمت و زمان‌بر محسوب مي‌شود. بازرسي‌هاي دوره‌اي برخي از سازه‌ها با كاربري مهم‌تر همچون نيروگاه‌ها، پالايشگاه‌ها، مراكز با تراكم جمعيت بالا و… نيز براي جلوگيري از آسيب‌هاي جبران ناپذير ضروري است. در اين پژوهش به منظور كاهش هزينه‌ها و افزايش دقت و وسعت بررسي سازه‌ها با به كارگيري روشي نوين و كم‌هزينه با استفاده از مدسازي سازه و استفاده از شبكه عصبي عميق كانولووشن سعي در برآورده كردن اين منظور شده است. اين روش در سال‌هاي اخير در زمينه‌هاي مختلف همچون بررسي سطوح هواپيما و فضاپيما‌، بررسي سيستم‌هاي مكانيكي پيچيده و همچنين در زمينه‌هاي پزشكي همچون تشخيص سرطان و غده‌هاي مغزي استفاده شده و نتيجه‌هايي بسيار درخشان از خود به جاي گذاشته است. شبكه‌هاي عصبي عميق با قابليت استخراج خودكار ويژگي از داده‌هاي خامي همچون پاسخ شتاب سازه و طبقه‌بندي آنها اين امكان را به مهندسين مي‌دهد تا با دقتي بالا و سرعتي زياد به سوالات مطرح شده درباره سلامت سازه پاسخ داده شود. براي حل مشكل احتمالي كمبود داده كافي از سازه نيز با مدلسازي آن و به روز رساني اين مدل، داده كافي براي آموزش شبكه عصبي فراهم مي‌گردد. نتايج درخشان حاصل از الگوريتم جديد مطرح شده در اين پژوهش بر روي قاب فولادي هفت طبقه مدلسازي شده و سازه چهار طبقه فولادي مرجع به همراه داده‌هاي واقعي نشان داد كه اين روش، روشي قابل اطمينان و كم هزينه براي استفاده برخط در انواع سازه‌ها مي‌باشد چراكه علي‌رغم تعبيه تعداد اندكي سنسور براي هر طبقه، دقت تشخيص وجود آسيب و مكان‌يابي آن در تمامي سناريوهاي مطرح شده، شامل سناريوهايي همراه با نويز، در محدوده بالاي 90 درصد باقي مي‌ماند.

205884

دانشگاه علم و صنعت ايران

مهندسي عمران- مهندسي زلزله

دكتر غلامرضا قدرتي اميري