پایش سلامت پل ها با استفاده از دادههای موجود بر مبنای یادگیری عمیق
نویسندگان
1 کارشناسی ارشد، دانشکده مهندسی عمران، دانشگاه علم و صنعت ایران، تهران، ایران
2 استاد، دانشگاه علم و صنعت، تهران، ایران
3 استادیار، گروه عمران، واحد رودهن، دانشگاه آزاد اسلامی، رودهن، ایران
doi
10.22065/jsce.2021.274265.2367چکیده
بروز آسیبهای ناشی از بارگذاریهای ناگهانی یا آسیبهایی در طول عمر سازه ممکن است باعث ایجاد تغییرات نامطلوبی در عملکرد آن شود لذا در سالهای اخیر نیاز به روشهایی جهت شناسایی آسیب درآنها بیش از پیش احساس میشود. ازاینرو دستیابی به روشهایی جهت شناسایی رخداد و یافتن محل آسیب یکی از موضوعاتی است که همواره در مهندسی عمران، مکانیک و هوافضا مطرح بوده است. ایده اصلی در اکثر این روشها استفاده از پاسخهایی است که سازه بر اساس پیشفرضهای موجود به عوامل بیرونی میدهد، در اغلب این مطالعات سازه بهعنوان یک سیستم دینامیکی با جرم، سختی و میرایی یکتا در نظر گرفته میشود. و در صورت آسیب این پارامترها با تغییر مواجه میشوند و این تغییرات خود را در پاسخهای سازه نشان میدهد. این پاسخها بهصورت سیگنالهای زمانی، حاوی خصوصیات دینامیکی سازه است که با تحلیل سیگنال استخراج می شوند و در تشخیص آسیب از آنها بهره گرفته می شود. پیشرفت روزافزون علم یادگیری ماشین نه تنها شرایط را برای پیشرفت علوم مهندسی مهیا کرده است بلکه این پیشرفت به گونهای بوده است که امروزه این کامپیوترها هستند که اغلب محاسبات مهم را بر عهده خواهند داشت، یکی از روشهایی که امروزه بسیار موردتوجه قرارگرفته است استفاده از شبکههای عصبی کانولوشن بهمنظور تشخیص خصوصیات ذکر شده در سیگنالهای سازه است.در این مقاله سعی شده است تا شبکهی کانولوشن یکبعدی جهت تشخیص حالت سالم از ناسالم طراحی شود، علاوه بر آن اثر تابع نرمالساز در فاز پیشپردازش داده و اثر دو تابع بهینهساز گرادیان کاهشی و آدام در فرآیند آموزش شبکه نیز موردبررسی قرار گرفتهاست. درنهایت میتوان بیان کرد که نتایج حاکی از عملکرد رضایت بخش، دقیق و سریع روش شبکه عصبی عمیق کانولوشن یکبعدی در تشخیص حالت سالم از ناسالم است.
