مدل سازی دوقلوی دیجیتال برای زیرساخت های شهری مبتنی بر داده های IoT و یادگیری ماشین

پایش سلامت سازه (SHM) در زیرساخت های عمرانی از جمله پل ها، ساختمان های بلند و سدها، نقش حیاتی در افزایش ایمنی، کاهش هزینه های نگهداشت و افزایش طول عمر بهره برداری ایفا می کند. در این پژوهش، چارچوبی نوین برای پیاده سازی دوقلوی دیجیتال (Digital Twin) زمان واقعی ویژه سازه های عمرانی ارائه می گردد که بر مبنای داده های حسگرهای اینترنت اشیاء (IoT) و الگوریتم های یادگیری ماشین توسعه یافته است. مدل پیشنهادی با تلفیق داده های لرزش، تغییرمکان، دما، و تنش، تصویر دقیقی از وضعیت لحظه ای سازه فراهم کرده و با استفاده از الگوریتم های یادگیری عمیق، الگوهای رفتاری نرمال و ناهنجار را شناسایی می نماید. همچنین، این سامانه قابلیت پیش بینی خرابی ها و ارائه راهکارهای نگهداشت پیش بینانه (Predictive Maintenance) را دارا بوده و از تصمیم گیری مهندسی در زمان واقعی پشتیبانی می کند. برای اعتبارسنجی، یک مطالعه موردی بر روی یک پل فولادی میان گذر با نصب شبکه حسگرهای توزیع شده انجام شده است. نتایج نشان می دهد که دوقلوی دیجیتال پیشنهادی با دقت بالا قادر به شناسایی تغییرات رفتاری پیش از وقوع آسیب های جدی بوده و می تواند به صورت موثر در برنامه ریزی تعمیرات و ارتقاء ایمنی بهره برداری مورد استفاده قرار گیرد.

کلیدواژه ها:

دوقلوی دیجیتال ، سازه های عمرانی ، پایش سلامت سازه ، IoT ، نگهداشت پیش بینانه ، یادگیری ماشین