طراحی سامانه پایش سلامت سازه ای تونل های شهری با استفاده از فیبر نوری و شبکه عصبی

تونل های شهری به عنوان یکی از زیرساخت های حیاتی کلان شهرها، نیازمند پایش مستمر سلامت سازه ای به منظور تشخیص زودهنگام آسیب ها و جلوگیری از وقوع حوادث جبران ناپذیر هستند. روش های سنتی بازرسی چشمی به دلیل خطای بالا، عدم دسترسی به تمامی نقاط و تاخیر در تشخیص آسیب، پاسخگوی نیازهای مدیریت شهری نیستند. پژوهش حاضر با هدف طراحی سامانه پایش سلامت سازه ای تونل های شهری با استفاده از حسگرهای فیبر نوری توزیع شده و شبکه عصبی مصنوعی انجام شده است. در این سامانه، کابل های فیبر نوری با تکنولوژی Distributed Fiber Optic Sensing در طول تونل نصب شده و تغییرات کرنش، دما و ارتعاشات را به صورت پیوسته اندازه گیری می کنند. داده های جمع آوری شده با استفاده از یک شبکه عصبی پرسپترون چندلایه (MLP) با معماری ۴-۱۲-۸-۱ (ورودی ها: کرنش، دما، ارتعاش و زمان؛ لایه های پنهان: ۱۲ و ۸ نورون؛ خروجی: شاخص سلامت سازه) پردازش می شوند. برای آموزش شبکه، از داده های شبیه سازی شده با نرم افزار ABAQUS و داده های میدانی از تونل های شهری موجود استفاده شد. نتایج نشان می دهد که سامانه پیشنهادی با دقت ۹۴.۶٪ قادر به تشخیص آسیب های موضعی در مراحل اولیه بوده و نسبت به روش های سنتی، زمان تشخیص را از ۷۲ ساعت به کمتر از ۲ ساعت کاهش می دهد. همچنین، هزینه های نگهداری و تعمیرات را تا ۳۵٪ کاهش می دهد. این سامانه با قابلیت پیاده سازی در تونل های شهری، گامی موثر در جهت افزایش ایمنی و مدیریت بهینه زیرساخت های شهری محسوب می شود.

کلیدواژه ها:

پایش سلامت سازه ای ، فیبر نوری ، شبکه عصبی مصنوعی ، تونل شهری ، یادگیری ماشین