مروری بر کاربردهای هوش مصنوعی در پیش بینی خرابی پیشرونده

تخریب پیشرونده یکی از مهمترین پدیده های مخرب در سازه ها است که در اثر خرابی یک عضو اولیه، به صورت زنجیره وار به سایر اجزای سازه منتقل شده و منجر به فروپاشی کلی می گردد. پیش بینی این نوع خرابی به دلیل پیچیدگی رفتار دینامیکی و تاثیر متقابل بین اعضا، همواره یکی از چالش های مهم در مهندسی سازه بوده است. در سالهای اخیر، هوش مصنوعی به عنوان ابزاری قدرتمند برای مدل سازی پدیده های پیچیده، توجه بسیاری از پژوهشگران را به خود جلب کرده است. استفاده از روش هایی نظیر شبکه های عصبی مصنوعی، الگوریتم های یادگیری ماشین و یادگیری عمیق، امکان تحلیل و پیش بینی دقیق تر رفتار سازه ها در برابر تخریب پیشرونده را فراهم کرده است. این مقاله با هدف بررسی کاربردهای نوین هوش مصنوعی در شناسایی الگوهای تخریب، پیش بینی نقاط آسیب پذیر و مدل سازی فرآیند تخریب پیشرونده تدوین شده است. همچنین با مرور مطالعات موردی و نتایج تجربی، نشان داده می شود که استفاده از هوش مصنوعی می تواند دقت پیش بینی را افزایش داده، هزینه های آزمایشگاهی را کاهش داده و در تصمیم گیری های مهندسی نقش موثری ایفا کند. در پایان، چالش ها و فرصت های پیشروی استفاده از این فناوری در مهندسی سازه مورد بحث قرار می گیرد.

کلیدواژه ها:

هوش مصنوعی ، تخریب پیشرونده ، پیش بینی