فهرست نشریات علمی دسترسی آزاد ایران

پایش سلامت سازه‌ای (SHM) برای تضمین عملکرد ایمن زیرساخت‌ها و تصمیم‌گیری در مورد نگهداری، تعمیر و مقاوم‌سازی سازه استفاده می­شوند. در این مقاله روش جدیدی مبتنی بر پردازش سیگنال و یادگیری ماشین برای پایش سلامت سازه­ای ارائه شده­است. روش پیشنهادشده، بر مبنای ویژگی­های عمیق زمانی و زمان – فرکانس است. برای استخراج ویژگی­های عمیق زمان – فرکانس، ابتدا نمایش زمان – فرکانس با استفاده از تبدیل فوریه زمان پیوسته (CWT) به دست می­آید و در ادامه، به شبکه عصبی تلفیقی (CNN) اعمال می­شود. برای استخراج ویژگی­های عمیق زمانی، توابع حالت ضمنی (IMF) با استفاده از تجزیه حالت تجربی (EMD) به دست­آمده و شبکه حافظه طولانی کوتاه­مدت (LSTM)، IMFها را مدل می­کند. با توجه به تعداد زیاد ویژگی­های عمیق به دست آمده، با استفاده از الگوریتم کاهش ویژگی، ویژگی­ها با همبستگی بالا حذف شدند. در نهایت با استفاده از بردار پشتیبان ماشین (SVM) بهینه­شده، سلامت سازه یا محل آسیب شناسایی می­شود. نتایج به دست­آمده نشان می­دهند روش پیشنهادی نسبت به روش­های مشابه دقت بالایی در سناریوهای خطی و غیرخطی داشته و می­تواند به عنوان روشی مطمئن در کابردهای SHM استفاده شود.