پایش سلامت زیرساخت های مجهز به حسگرهای بتنی با قابلیت خودتشخیصی-مطالعه مروری
محل انتشار: پژوهشنامه حمل و نقل، دوره: 22، شماره: 2
سال انتشار: 1404
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 48
فایل این مقاله در 36 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_TRJ-22-2_020
تاریخ نمایه سازی: 19 خرداد 1404
چکیده مقاله:
پیشرفت های اخیر در فناوری های خودتشخیصی، تحول چشمگیری در پایش سلامت روسازی ها ایجاد کرده است. مصالح نوینی مانند آسفالت های اصلاح شده با نانولوله های کربنی و کامپوزیت های رسانا، با قابلیت ذاتی تشخیص تغییرات تنش، ترکهای ریز و نفوذ رطوبت، از طریق اندازه گیری تغییرات مقاومت الکتریکی، داده های بلادرنگ از وضعیت روسازی ارائه می دهند. سیستم های هوشمند مجهز به حسگرهای فیبر نوری یا شبکه های اینترنت اشیاء (IoT)، حتی تغییرات میکروسکوپی در لایه های زیرین راه را شناسایی کرده و با انتقال داده ها به پلتفرم های ابری، امکان تحلیل خودکار و تشخیص زودهنگام خرابی ها پیش از گسترش آسیب ها فراهم می آورند. این رویکرد علاوه بر کاهش هزینه های عملیاتی و نیاز به بازرسی های فیزیکی، دقت پایش را بهطور قابل توجهی افزایش می دهد. ادغام داده های حسگرها (مانند تنش، دما و ارتعاشات) با الگوریتم های هوش مصنوعی و یادگیری عمیق، امکان پیش بینی دقیق تر نقاط ضعف روسازی را مهیا کرده است. پیاده سازی این فناوری ها نه تنها ایمنی و دوام روسازی ها را بهبود می بخشد، بلکه با یکپارچه سازی داده ها در سیستم های مدیریت ترافیک هوشمند و خودروهای خودران، انتخاب مسیرهای بهینه بر اساس سلامت راه را ممکن می سازد. در سطح کلان، تلفیق داده های پایشی با استانداردهای بین المللی راهسازی، زمینه تدوین پروتکل های نوین برای طراحی روسازی های مقاوم تر و مقرون به صرفه تر را فراهم می کند. این پیشرفت ها گامی اساسی به سوی توسعه زیرساخت های پایدار و افزایش کارایی شبکه حمل ونقل است.
کلیدواژه ها:
نویسندگان
بهراد صباغ
دانشجوی کارشناسی ارشد، گروه ژئوتکنیک، دانشکده عمران، دانشگاه تربیت دبیر شهید رجایی ، تهران، ایران
مصطفی آدرسی
دانشیار، دانشکده عمران، دانشگاه تربیت دبیر شهید رجایی ، تهران، ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :