ارزیابی آزمایشگاهی سلامت پل معلق براساس فتوگرامتری برد کوتاه هوشمند | ||
| مهندسی عمران مدرس | ||
| Article 10, Volume 21, Issue 6, 1400, Pages 139-141 PDF (1.18 M) | ||
| Document Type: پژوهشی اصیل (کامل) | ||
| DOI: 10.22034/21.6.10 | ||
| Authors | ||
| ارسلان گرانمایه; پیمان همامی* ; سید حسین حسینی لواسانی | ||
| دانشگاه خوارزمی | ||
| Abstract | ||
| در دهههای اخیر علم پایشسلامتسازه نقش اساسی در پیشگیری از خرابی و افزایش طول عمر سازهها ایفا کرده است. استفاده از ابزارهایی برای انجام رفتارسنجی مطلوبست که دقت کافی را همراه با هزینهی کم تحقق بخشند. برای پردازش دادههای بدست آمده از رفتارسنجی به روشهایی نیاز است که قادر باشند سطوح مختلف آسیب را از اطلاعات موجود شناسایی و بهدرستی عیبیابی کنند. رفتارسنجی اپتیکی و عملیات فتوگرامتری بردکوتاه بدلیل هزینه کم و دقت مناسب، اخیراً مورد توجه قرار گرفته اند در این مقاله تلاش شده است تا کاربرد روش مذکور در ترکیب با روش تحلیل استقرایی (با ابزارهای مقایسه و یادگیری ماشین) برای رفتارسنجی و عیبیابی ماکت آزمایشگاهی سازهی یک پل معلق که دارای رفتار نسبتاً پیچیدهای است مورد ارزیابی قرار گیرد. به این منظور، سازهی پل مورد نظر تحت سه تراز بارگذاری استاتیکی در سه حالت سالم و آسیب دیده در عرشه و کابلها مورد رفتارسنجی قرار گرفت. آسیبها کاملاً آگاهانه در مدل آزمایشگاهی ایجاد شدند و از اطلاعات حاصل، پایگاهدادهای از رفتار پل در حالات گوناگون ایجاد شد. بهمنظور امکان سنجی استفاده از روشهای مختلف در پردازش دادهها و عیبیابی، ابتدا دادههای موجود در پایگاه، در روش خطی ساده (مقایسه مستقیم) و آموزش در الگوریتمهای روشهای یادگیریماشین، مورد استفاده قرار گرفتند. پس از آن، مجدداً آسیبهای آگاهانهای در سازهی آزمایشگاهی ایجاد شد تا امکان آزمون کارآیی و دقت روشهای مختلف فراهم شود. در انتها، دقت، صحت و پایداری روشهای پردازش داده ماشین بردارپشتیبان و شبکهعصبیمصنوعی با یکدیگر مقایسه شدند. نتایج نشان داد که با توجیه به باندل اجسمنت رفتارسنجی دو بعدی اپتیکی فتوگرامتری بردکوتاه، میتوان به دقت تضمین شدهی mm0021/0 دست یافت. در سطح نخست پردازش دادهها یعنی تشخیص وجود آسیب یا عدم وجود آن موفقیت شبکههای عصبی بطور کامل و با دقت 100% همراه بود و در سطح دوم یعنی تشخیص منطقهی آسیب دیده، شبکهعصبی با تابع انتقال تانژانتهایپربولیک 93% موفقیت داشت و ماشین بردارپشتیبان با موفقیت 68% همراه بود. | ||
| Keywords | ||
| پایشسلامتسازهای; پل معلق; فتوگرامتری برد کوتاه هوشمند; تشخیص خرابی; یادگیری ماشین; ماشین بردار پشتیبان; شبکهی عصبی مصنوعی | ||
| References | ||
|
| ||
|
Statistics Article View: 348 PDF Download: 167 |
||
| Number of Journals | 45 |
| Number of Issues | 2,196 |
| Number of Articles | 24,877 |
| Article View | 28,766,895 |
| PDF Download | 18,603,073 |