مروری بر روشهای شناسایی آسیب با استفاده از کاربرد شبکه های عصبی ویادگیری ماشین در پایش سلامت سازهها

پایش سلامت سازهها (SHM۱)یکی از مباحث اساسی در مهندسی عمران است که با هدف تضمین ایمنی و کاهش هزینه های بازرسی و نگهداری سازهها مطرح می شود. با پیشرفت فناوری سنسورها ویادگیری عمیق ((DL، روشهای داده محور به طور فزاینده ای برای نظارت بر سلامت سازهها استفاده می شوند.یادگیری عمیق ، به عنوان شاخه ای ازیادگیری ماشین ، قادر است الگوهای پنهان در دادهها را شناسایی کرده و در تشخیص آسیب ها و پیش بینی رفتار سازهها موثر واقع شود. این روشهای داده محور، به واسطه پیشرفت های اخیر در فناوری سنسورها، اینترنت پرسرعت و محاسبات ابری ، به سرعت در حال توسعه هستند. از زمان ورودیادگیری عمیق به مهندسی عمران، به ویژه در حوزه پایش سلامت سازهها ، این ابزار نوآورانه توجه بسیاری از پژوهشگران را به خود جلب کرده است . این مقاله با هدف بررسی آخرین پژوهش ها و دستاوردها در زمینه پایش سلامت سازهها مبتنی بریادگیری عمیق نوشته شده و تلاش می کند با تحلیل مزایا، معایب و چالش های این فناوری ، درکی جامع از کاربردهای مختلف آن ارائه دهد.

کلیدواژه ها:

پایش سلامت سازهها ، یادگیری عمیق ، یادگیری ماشین