عنوان
شناسايي آسيب در سازه‌هاي مسلح بتني با درنظرگرفتن اثرات پيچش با استفاده از شبكه‌هاي عصبي
نويسنده اصلي
سعيد طاهري
مقطع تحصيلي
كارشناسي ارشد
چكيده
سازه‌ها در طول عمر خود ممكن است بارهاي مختلفي از جمله زلزله را تجربه كنند كه در اثر آن سازه دچار آسيب شود. به همين دليل شناسايي و ارزيابي خسارت در سازه‌ها يكي از مسائل مورد توجه مهندسين بوده است، تا از به وجود آمدن خسارات مالي و جاني فراوان جلوگيري شود. از اين رو مهندسان همواره به دنبال بهترين و موثرترين راهكار براي شناسايي آسيب در سازه‌ها بوده‌اند. در سال‌هاي اخير توانايي شبكه‌هاي عصبي در حوزه‌هاي مختلفي مانند شناسايي الگو و استخراج ويژگي از داده‌ها، مورد توجه مهندسين براي حل مسائل شناسايي خرابي و پايش سلامت سازه‌ها قرار گرفته است. در اين پايان‌نامه به بررسي توانايي شبكه‌هاي عصبي مصنوعي و همينطور يادگيري عميق در شناسايي آسيب در سازه‌هاي بتن مسلح پرداخته مي‌شود. بدين منظور ابتدا با استفاده از يك شبكه عصبي پيش‌خور (Feedforward) كه يك شبكه استاتيك محسوب مي‌شود به شناسايي آسيب در سازه‌هاي بتن مسلح پرداخته شده است. در اين روش با استفاده از داده‌هاي خاص حاصل از شتاب، پارامترهاي ورودي مورد نياز شبكه تامين شده و با استفاده از مفاهيم قابل استنتاج از ارتباط جابجايي و دريفت پسماند با خرابي سازه، شاخص خسارت تعريف و به شناسايي آسيب سازه پرداخته شده است. سپس در روشي ديگر با استفاده از شبكه حافظه بلندكوتاه مدت (LSTM) كه يك شبكه ديناميك محسوب مي‌شود و توانايي درنظر گرفتن وابستگي‌هاي بلند مدت داده‌هاي سري زماني را دارد، داده‌هاي شتاب مراكز جرم طبقات به شبكه داده شده و مجددا مطابق با حالت قبل به بررسي و شناسايي آسيب در سازه پرداخته شده است. براي اين منظور سازه‌هاي بتن مسلح با پلان‌هاي منظم و نامنظم هندسي در ارتفاع‌هاي مختلف طراحي و تحت تحليل تاريخچه زماني غيرخطي قرار گرفته‌اند. سپس داده‌هاي مورد نياز براي آموزش شبكه‌ها استخراج شده‌اند و پيش‌پردازش‌هاي مناسب هر شبكه روي داده‌ها صورت گرفته است تا با كمترين پيچيدگي‌هاي محاسباتي نتايج مناسبي به دست آيد. با بررسي نتايج نيز مشاهده شد هر دو شبكه توانايي شناسايي آسيب با دقت بالاي 85% را دارا مي‌باشند. از طرف ديگر مشاهده شد شبكه‌ي حافظه بلندكوتاه مدت در پيش‌بيني سطوح آسيب در سازه‌هاي تحت ركورد در دو راستا دقت بالاتر و عملكرد بهتري دارد. همچنين در صورتي كه سطوح آسيب از 5 به 3 سطح تقليل يابد دقت هر دو شبكه به بالاي 90% نيز مي‌رسد.
شماره ركورد
207542
دانشگاه
دانشگاه علم و صنعت ايران
رشته تحصيلي
مهندسي عمران - سازه
استاد راهنما
دكتر پدرام قادري