بررسی تاثیر فناوری های جدید در پیش بینی و مدیریت خرابی سازه های بتنی تحت بارهای لرزه ای

سازه های بتنی به دلیل کاربرد گسترده در مناطق زلزله خیز نیازمند روش های پیشرفته برای پیش بینی و مدیریت خرابی تحت بارهای لرزه ای هستند. این پژوهش به بررسی تاثیر فناوری های نوین شامل هوش مصنوعی (ANN)، حسگرهای مبتنی بر اینترنت اشیا (IoT)، و الگوریتم بهینه سازی ازدحام ذرات (PSO) در ارتقای دقت پیش بینی و کارایی مدیریت خرابی در این سازه ها پرداخته است. هدف اصلی توسعه چارچوبی یکپارچه بود که با تلفیق این فناوری ها رفتار غیرخطی سازه ها را تحلیل کرده، خرابی را پیش بینی نماید و راهکارهای بهینه سازی طراحی ارائه دهد. برای این منظور سازه ای فرضی با ارتفاع ۵۰ متر و مساحت ۵۰۰۰ متر مربع با بتن مسلح مقاومت فشاری ۴۰ مگاپاسکال، تحت بارهای لرزه ای شبیه سازی شده با شتاب قله ای ۱.۵g و فرکانس متغیر (هرتز) بررسی شد. روش شناسی پژوهش شامل پنج مرحله بود: مدل سازی غیرخطی با ANN (دقت ۹۷ درصد و MSE=۰.۰۱۵)، پایش لحظه ای با حسگرهای IoT (فرکانس نمونه برداری ۱۰۰ هرتز)، بهینه سازی طراحی با PSO (کاهش ۲۰ درصدی مصرف مصالح)، اعتبارسنجی تجربی با میز لرزان ۱۰۰ تن و تلفیق داده ها برای مدیریت پویا. یافته ها نشان داد که این چارچوب ترک های اولیه عرض ۰.۰۵ میلی متر و کاهش سختی (از ۳۵ به ۲۰ گیگاپاسکال) را در کمتر از ۰.۵ ثانیه شناسایی کرد و با بهینه سازی ابعاد مقاطع دیوارهای برشی از ۳۰ به ۲۵ سانتی متر، ظرفیت باربری را تا ۴۴.۸ مگاپاسکال حفظ نمود. از نظر اقتصادی هزینه های ساخت ۱۸ درصد از ۱ میلیون به ۸۲۰ هزار دلار و هزینه های ترمیم ۲۲ درصد از ۶۰۰ به ۴۶۸ هزار دلار کاهش یافت. از منظر زیست محیطی ردپای کربنی ۲۵ درصد از ۴۰۰۰ به ۳۰۰۰ تن CO۲ کم شد که با اهداف پایداری همراستاست. با این حال محدودیت هایی مانند هزینه های اولیه حسگرها ۲۰۰ دلار به ازای هر واحد، نیاز به زیرساخت های محاسباتی پیشرفته (سرورهای ۶۴ گیگابایتی) و کمبود داده های لرزه ای محلی (پوشش زیر ۱۰ درصد) شناسایی شد. پیشنهاد می شود با توسعه الگوریتم های کم مصرف، استفاده از سخت افزارهای محلی و غنی سازی پایگاه داده های منطقه ای (حداقل ۲۰ شتاب نگاشت) این موانع برطرف شوند. این چارچوب با ارائه رویکردی جامع برای پیش بینی زودهنگام، بهینه سازی طراحی و مدیریت خرابی، الگویی عملی برای ارتقای تاب آوری لرزه ای و کاهش خسارت های اقتصادی و زیست محیطی در سازه های بتنی ارائه می دهد و قابلیت مقیاس پذیری با استانداردسازی جهانی را دارد.

کلیدواژه ها:

هوش مصنوعی ، سازه های بتنی ، پیش بینی گسیختگی لرزه ای ، سامانه های حسگری هوشمند