شناسایی ترک بیضوی به کمک موج لمب و یادگیری ماشین

ترک های بیضوی از انواع معمول ترک ها هستند لذا شناسایی آن ها در تامین سلامت سازه از اهمیت ویژه ای برخوردار است. علی رغم کاربرد گسترده امواج لمب در شناسایی ترک ها به عنوان یک ابزار موثر ارزیابی و تست غیرمخرب در پایش سطح سلامت سازه، ماهیت پیچیده این امواج هنگام انتشار در سازه، چالش بزرگی در شناسایی خرابی های سازه ایجاد می کند. لذا در پژوهش انجام شده، از الگوریتم های یادگیری ماشین به منظور کاهش پیچیدگی و خطا در هنگام استفاده از امواج لمب، بهره برده شده است. در پژوهش های انجام شده تاکنون تمرکزی بر شناسایی ترک بیضوی از لحاظ اندازه، جهت و مکان آن وجود نداشته است. استراتژی شناسایی ترک بیضوی در پژوهش انجام شده شامل سه مرحله اصلی است. مرحله اول ایجاد داده های موج لمب از انواع مختلف ترک بیضوی به لحاظ اندازه، جهت و مکان ترک، به روش اجزای محدود است. سپس پردازش سیگنال موج لمب در حوزه زمان به کمک RMS و حوزه زمان-فرکانس به کمک انرژی ضرایب موجک انجام شده و ویژگی های حساس به خرابی استخراج شده اند. در مرحله سوم از مدل یادگیری SVM برای شناسایی اندازه و جهت ترک بیضوی و مدل یادگیری رگرسیون برای پیش بینی مکان ترک استفاده شده است. روش استفاده شده در پژوهش انجام شده دارای مزیت هایی از جمله زمان محاسبات کم و دقت بالا به خصوص در مورد اندازه و جهت ترک بیضوی است. نتایج به دست آمده نشان می دهد که به طور کلی ویژگی های انرژی ضرایب موجک حساسیت بیشتری نسبت به خرابی دارند و با افزایش نویز تغییر کمتری در دقت شناسایی ایجاد می شود.

کلیدواژه ها:

ترک بیضوی ، موج لمب ، ضرایب موجک ، SVM