تشخیص آسیب سازه فولادی بلند مرتبه به روش به روز رسانی مدل اجزای محدود با استفاده از روش شبکه عصبی

با توجه به استقرار بسیاری از شهرهای بزرگ کشور بر روی گسل های فعال از یک طرف و با توجه به افزایش شمار سازه های فولادی بلندمرتبه ، توجه به آسیب و خسارات ایجاد شده در این قبیل سازه ها، تحت اثر وقوع زلزله به منظور کاهش تلفات جانی و مالی و کاهش اثرات دراز مدت منفی بر روی اقتصاد منطقه به شدت احساس می شود. سازه ها پس از گذر زمان و در اثر نوع کاربری و اعمال بارگذاری جانبی ، بیش از مقادیر منظور شده در زمان طراحی و همچنین در اثر وقوع زلزله های شدید، ممکن است دچار آسیب شوند. در صورت عدم اصلاح این آسیب ها، عملکرد سازه به طور کلی مختل شده و خرابی در سازه گسترش می یابد. در این شرایط ، خسارات مالی جبران ناپذیری به سازه تحمیل و سلامت افراد به شدت به خطر می افتد. لذا تشخیص آسیب لرزه ای در سازه های فولادی بلندمرتبه ، به منظور تعمیر و ترمیم المان های ضعیف ، به منظور حفظ کارایی مطلوب سازه و کاهش هزینه های تعمیر و نگهداری سازه، امری ضروری است . لذا تشخیص آسیب در سیستم های سازه ای و تعلقات آن به منظور پایش سلامتی سازه های فولادی و افزایش ایمنی و پایداری سازه ها امری مهم و ضروری است ، چراکه با تشخیص به موقع خرابی ، با بهره مندی از روش شبکه ی عصبی ، که در در دسته ی روش های غیر مخرب قرار دارد، می توان از بروز خسارات مالی و جانی بسیاری اجتناب نمود. با توجه به این که هدف اصلی در پژوهش حاضر، کاربرد روش شبکه عصبی جهت تشخیص آسیب سازه فولادی بلندمرتبه می باشد، لذا پس از طراحی و مدل سازی یک سازه ۱۲ طبقه فولادی در محیط نرم افزار ایتبس و حصول مقاطع اعضا، اقدام به شبیه سازی سازه مد نظر به ازای ۲۰ سناریوی مختلف آسیب ، در محیط نرم افزار اپنسیس مدلسازی و با استفاده از بارهارمونیک سینوسی غیرخطی تحلیل شده است . الگوهای آسیب ، شامل کاهش سطح مقطع ۴ ستون منتخب در طبقه اول از سازه ۱۲ طبقه بوده است . پس از انجام تحلیل ، سیگنال های پاسخ در ستون های منتخب ، قبل و بعد از آسیب برداشت و با استفاده از روش توزیع تداخلی کاهش یافته ، اقدام به محاسبه شاخص آسیب در ستون ها شده است . در ادامه با استفاده از داده های ناشی از تحلیل مدل های ۲۰ گانه ، از ۷۰% درصد داده ها برای آموزش شبکه عصبی ، از ۱۵% برای ارزیابی و از ۱۵% داده ها برای آزمون شبکه عصبی استفاده شده است . در ساختار شبکه عصبی از دو لایه پنهان و ۳۰ نورون استفاده شده است . پس از تشکیل شبکه عصبی ، اقدام به پیش بینی آسیب ایجاد شده در ستون های منتخب سازه ۱۲ طبقه شده است . نتایج به دست آمده نشان می دهد، روش شبکه عصبی با دقت ۹۹% قابلیت تشخیص آسیب ایجاد شده در سازه ۱۲ طبقه بلندمرتبه فولادی را دارد.

کلیدواژه ها:

سازه فولادی بلندمرتبه ، پایش سلامت ، روش شبکه عصبی ، روش RID ، زلزله