فهرست نشریات علمی دسترسی آزاد ایران

این پژوهش به بررسی کارایی روش غیرمخرب فراصوتی در شناسایی و طبقه‌بندی آسیب در نمونه‌های ملات سیمانی با طرح‌های اختلاط مختلف می‌پردازد. بدین منظور، مجموعه‌ای از نمونه‌ها با مقادیر متفاوت محتوای سیمان (CC) تهیه و در دو وضعیت سالم و آسیب‌دیده مورد آزمایش قرار گرفتند. داده‌های حاصل از سیگنال‌های فراصوتی، پس از پیش‌پردازش و استخراج ویژگی‌های آماری و زمانی–فرکانسی، به‌عنوان ورودی به سه الگوریتم یادگیری ماشین شامل K نزدیک‌ترین همسایگان (KNN)، بیز ساده (Naïve Bayes) و جنگل تصادفی (Random Forest) اعمال شدند. نتایج تحلیل نشان داد که الگوریتم بیز ساده به‌دلیل توانایی در مدیریت ویژگی‌های مستقل و غیرهمبسته داده‌های فراصوتی، در مقایسه با سایر روش‌ها عملکرد دقیق‌تری دارد و با دقت 99.00 ± 3.16 درصد و یادآوری 97.50 ± 7.91 درصد بالاترین صحت طبقه‌بندی را ارائه کرد. نوآوری اصلی این تحقیق در ترکیب رویکردهای یادگیری ماشین با روش‌های غیرمخرب برای تحلیل تغییرات انرژی سیگنال‌های فراصوتی و تشخیص زودهنگام آسیب در ملات‌های سیمانی با نسبت‌های مختلف محتوای سیمان است. این چارچوب تحلیلی داده‌محور و تکرارپذیر، ضمن افزایش دقت و اطمینان در شناسایی آسیب، قابلیت توسعه برای پایش سلامت و ارزیابی مداوم سازه‌های بتنی در مقیاس‌های عملی را دارد و می‌تواند به‌عنوان ابزاری کارآمد در ارتقای دوام و ایمنی زیرساخت‌های عمرانی مورد استفاده قرار گیرد.