رویکردهای یادگیری ماشین بدون ناظر در برنامه های پایش سلامت مبتنی برداده پل ها در حضور شرایط متغیر محیطی و عملیاتی

پل ها نقشی حیاتی در شبکه حمل و نقل ایفا نموده و جایگاه ویژه ای در پیش برد مسائل اقتصادی و اجتماعی دارند که متاسفانه علی الرغم اهمیتشان همواره در معرض آسیب های مختلف قرار می گیرند. عدم شناسایی به موقع آسیب ها و در نتیجه آن صورت نگرفتن اقدامی مناسب جهت رفع عیوب، سبب تجمع آسیب ها در ساختار شده که بسته به نوع آنها می توانند دارای روند طولانی و یا ناگهانی رشد داشته باشند. روش های نظارتی و تشخیصی متعددی جهت هشدار سریع و به موقع آسیب توسعه داده شده اند. این روش ها مبتنی بر نتایج بررسی پاسخ های دینامیکی سازه می باشند. آسیب های موجود در ساختار، تنها عوامل موثر بر خواص و پاسخ های دینامیکی سازه ها نبوده و تغییرات شرایط محیطی و عملیاتی می توانند بر داده های به دست آمده اثر گذار باشند. در چند دهه گذشته، استفاده از الگوریتم های یادگیری ماشین بدون ناظر برای مقابله با چنین مشکلاتی در برنامه های نظارتی عملیاتی، به موضوعی پرطرفدار در میان پژوهشگران تبدیل شده است. در این مقاله ضمن مرور پرکاربردترین روش های تشخیص ناهنجاری، از دسته روش های یادگیری بدون ناظر، به منظور جداسازی و حذف اثرات محیطی از ویژگی های حساس به آسیب، فرض های حاکم بر مسئله مطرح شده و محدودیت های هر یک از رویکردها در ادبیات تحقیق، مورد بررسی قرار می گیرند. در نهایت، به پیشرفت های اخیر برای غلبه بر محدودیت های موجود اشاره می شود. خوشبختانه علی الرغم چالش ها در برابر توسعه روش های تشخیص خرابی مبتنی بر داده، کاربرد این روش ها از مطالعات دانشگاهی به حوزه صنعت و آزمایش های میدانی تسری یافته است.

کلیدواژه ها:

پایش سلامت سازه ای ، تشخیص خرابی ، یادگیری ماشین بدون ناظر ، تشخیص ناهنجاری ، تغییرات محیطی