فناوری های نوین در پایش سلامت سازه ها: اصول و کاربردهای عملی

این پژوهش با هدف بررسی سلامت سازه ها از طریق تحلیل داده های حسگرهای پایش و الگوریتم های یادگیری ماشین انجام شده است. در این مطالعه، داده های حسگرهای مختلف شامل شتاب سنج، کرنش سنج، فیبر نوری و حسگر دما در نقاط کلیدی سازه جمع آوری و تحلیل شدند. نتایج نشان داد که ارتعاشات سازه در محدوده نرمال قرار دارند، اما روند افزایشی میزان ارتعاشات RMS طی ۶ ماه گذشته می تواند نشان دهنده خستگی مواد باشد. همچنین، کرنش بالاتر از حد مجاز در تکیه گاه جنوبی به عنوان یک عامل خطر شناسایی شد، درحالی که داده های فیبر نوری و حسگر دما وضعیت پایدار کابل ها و دمای بتن را نشان دادند. تحلیل الگوریتمی احتمال خرابی نشان داد که کرنش بالا و ناهنجاری در کابل ها بیشترین تاثیر را بر افزایش احتمال خرابی دارند، درحالی که دمای نرمال بتن این احتمال را کاهش می دهد. بر اساس تحلیل هزینه-فایده، تقویت تکیه گاه جنوبی به دلیل اولویت بالا و اثربخشی ۹۰ درصدی، به عنوان مهم ترین اقدام پیشنهاد شد. تنظیم کابل های معلق و افزایش حسگرها نیز به عنوان اقدامات مکمل توصیه شدند. این پژوهش نشان می دهد که استفاده از فناوری های پایش سلامت سازه و تحلیل های مبتنی بر یادگیری ماشین می تواند در شناسایی و مدیریت مشکلات سازه ای نقش کلیدی ایفا کند. توجه به پایش مستمر و اقدامات پیشگیرانه، به منظور افزایش ایمنی و کاهش هزینه های نگهداری، از جمله یافته های مهم این تحقیق است.

کلیدواژه ها:

پایش سلامت سازه ها ، حسگرهای پیشرفته ، یادگیری ماشین ، تحلیل داده ها