فهرست نشریات علمی دسترسی آزاد ایران

خطوط انتقال نیرو در صنعت برق به­ دلیل پراکندگی در سطح کشور و عبور از مناطق جغرافیایی مختلف تحت شرایط اقلیمی گوناگون و سخت هرساله با حوادث و خرابی ­های متعددی روبرو می­ شوند. به ­دلیل اهمیت این بخش در صنعت برق نظارت مستمر بر کارکرد دکل های مشبک فلزی نگهدار این خطوط امری ضروری است. در سال ­های اخیر پایش برخط عملکرد سازه ­ها با نظارت بر تغییرات پاسخ دینامیکی آن­ها از طریق نصب حسگر مورد توجه زیادی قرار گرفته است. لیکن شناسایی محل خرابی در سازه ­هایی مانند دکل ­های مشبک فلزی که اجزای متعددی دارند، مشکلاتی را به ­همراه داشته که ضرورت به ­کارگیری تکنیک­ هایی با قابلیت حجم پردازش بالا را اجتناب ­ناپذیر می­کند. یکی از راه ­حل ­ها، بهره ­گیری از روش­ های مبتنی بر یادگیری ماشین است که مورد توجه محققین مختلف قرار گرفته است. در این مقاله تلاش می­ گردد که با بهره ­گیری از یکی از الگوریتم ­های طبقه­ بندی در یادگیری ماشین محل، نوع و میزان خرابی در اتصالات پیچی در این سازه ­ها شناسایی گردد. از این رو ابتدا یکی از دکل­ های رایج خطوط انتقال در کشور، مدل ­سازی و تحت بار باد تحلیل دینامیکی می ­شود. سپس اتصالات مختلف آن در ناحیه پایه ­های دکل انتقال نیرو با استفاده از نرم­ افزار مدل ­سازی می ­گردد. در ادامه مجموعه ­ای محدود از اشکال مختلف آسیب در اتصالات شبیه ­سازی و شکل ­های مودی و فرکانس ­های طبیعی در این شرایط برای آموزش الگوریتم طبقه­ بندی استخراج می ­شود. از پایگاه داده­ ای به ­دست آمده جهت شناسایی آسیب در سناریوهای مختلف استفاده می ­شود. نتایج این تحقیق تأکید بر مؤثر بودن روش انتخابی در شناسایی محل انواع خرابی تعریف شده در اتصالات پایه دکل ­ها و میزان آن دارد.