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

سال انتشار: 1404
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 104

فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

SETT11_028

تاریخ نمایه سازی: 13 تیر 1404

چکیده مقاله:

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.

نویسندگان

فرشید نعمت زاده

مدیرگروه مهندسی کامپیوتر و فناوری اطلاعات، موسسه آموزش عالی علم و فن، ارومیه، ایران

رضا دوستی

کارشناس ارشد مهندسی عمران – ژئوتکنیک، شهرداری ارومیه، ارومیه، ایران