کاربرد هوش مصنوعی در تخمین خرابی پل ها با استفاده از داده های سنسورهای ارتعاشی

پل ها ستون فقرات شبکه های حمل و نقل مدرن هستند و از این رو حفظ ایمنی و قابلیت اطمینان آنها از اهمیت حیاتی برخوردار است. فرسودگی تدریجی، آسیب های ناشی از بارگذاری های شدید، رویدادهای طبیعی مانند زلزله و تصادفات، همگی می توانند منجر به کاهش ظرفیت باربری و افزایش ریسک خرابی در پل ها شوند. روش های سنتی بازرسی و ارزیابی سلامت سازه ای (SHM) که عمدتا مشاهدات بر بصری و آزمون های مخرب تکیه دارند، با محدودیت هایی از نظر پوشش دهی، دقت و قابلیت تشخیص زودهنگام مواجه هستند. ظهور سنسورهای پایش سلامت سازه ای به ویژه سنسورهای ارتعاشی امکان جمع آوری مداوم و دقیق داده های دینامیکی پل را فراهم آورده است. با این حال تحلیل حجم عظیم و پیچیدگی این داده ها مستلزم به کارگیری روش های پیشرفته پردازش سیگنال و الگوریتم های هوش مصنوعی است. این مقاله به بررسی جامع کاربرد مدل های هوش مصنوعی از جمله روش های یادگیری ماشین (ML) و یادگیری عمیق (DL) در تفسیر داده های ارتعاشی و تخمین دقیق وضعیت خرابی پل ها می پردازد. هدف این پژوهش ارزیابی قابلیت این الگوریتم ها در شناسایی تغییرات ظریف در پاسخ دینامیکی سازه که نشان دهنده آسیب های احتمالی است و مقایسه عملکرد آن ها با رویکردهای متداول است.

کلیدواژه ها:

پایش سلامت سازهای (SHM) ، هوش مصنوعی (AI) ، یادگیری ماشین (ML) ، یادگیری عمیق (DL) ، سنسورهای ارتعاشی ، تشخیص ، خرابی پل ها ، مهندسی عمران ، پردازش سیگنال