به کارگیری روش های غیرمخرب (NDT) مبتنی بر هوش مصنوعی در ارزیابی کیفی سازه های بتنی حین اجرا

زمینه و هدف: ارزیابی کیفی سازه های بتنی حین اجرا، به دلیل ماهیت مخرب روش های سنتی و عدم بازخورد بی درنگ، همواره یکی از چالش های اساسی مهندسی عمران بوده است. هدف این پژوهش، توسعه و اعتبارسنجی یک چارچوب یکپارچه مبتنی بر تلفیق روش های آزمون غیرمخرب (NDT) و هوش مصنوعی (AI) برای ارزیابی کیفی بتن در حین ساخت می باشد. روش شناسی: در این پژوهش توسعه ای - کاربردی، ۲۵۰ نمونه بتنی با پنج طرح اختلاط متفاوت (نسبت آب به سیمان ۰/۳۵ تا ۰/۶۰ و محتوای حباب هوای هدف ۰٪ تا ۸٪) ساخته شد. چهار سامانه NDT شامل (۱) پایش دمایی مبتنی بر IoT با حسگرهای DS۱۸B۲۰، (۲) اولتراسونیک انتشاری با ترانسدیوسرهای ۵۰ کیلوهرتز، (۳) تصویربرداری حرارتی فعال (Active IRT) با دوربین FLIR A۷۰۰، و (۴) رادار نفوذی به زمین (GPR)، به کار گرفته شدند. داده های خام پس از پیش پردازش، به سه معماری هوش مصنوعی شامل LSTM (برای پیش بینی مقاومت فشاری)، YOLOv۷ (برای تشخیص عیوب سطحی) و SVR (برای تخمین فاصله حباب های هوا) داده شدند. اعتبارسنجی با روش k-fold متقاطع (۵= k) و آزمون های مرجع ASTM C۳۹، C۴۵۷ و C۲۳۱ انجام شد. یافته ها: مدل LSTM با معماری ۱۰۰-۵۰ واحد حافظه، مقاومت فشاری ۲۸ روزه را با ضریب تعیین ۹۹۶/۰=R² و ریشه میانگین مربعات خطای ۳۲/۰ مگاپاسکال پیش بینی کرد که بهبود ۴۲٪ نسبت به روش ماتوریتی سنتی (RMSE=۲.۰۴ MPa) نشان می دهد. مدل YOLOv۷-tiny شش کلاس عیب سطحی و زیرسطحی را با دقت متوسط (mAP) ۸۶٪ و سرعت ۸۱ فریم بر ثانیه تشخیص داد. مدل رگرسیون بردار پشتیبان (SVR) توانست فاصله حباب های هوا را در بتن تازه (سن ۱ ساعت) با ۹۷/۰=R² و خطای ۲۸± میکرومتر تخمین بزند، در حالی که روش استاندارد ASTM C۴۵۷ نیازمند بتن سخت شده (حداقل ۷ روز) است. اعتبارسنجی متقاطع پایداری مدل ها را تایید کرد (انحراف معیار ۰۰۲/۰> برای R²). نتیجه گیری: چارچوب پیشنهادی NDT-AI می تواند به عنوان یک جایگزین دقیق، سریع و غیرمخرب برای روش های سنتی در ارزیابی کیفی بتن حین اجرا مورد استفاده قرار گیرد. این فناوری با ارائه بازخورد بی درنگ، امکان بهینه سازی زمان قالب برداری، کاهش هزینه های تعمیر و نگهداری، و تضمین دوام سازه ها در برابر چرخه یخ بندان - ذوب را فراهم می کند. با این حال، مقیاس پذیری به سازه های واقعی و کاهش هزینه تجهیزات، چالش های اصلی برای تجاری سازی این فناوری باقی مانده است.

کلیدواژه ها:

آزمون غیرمخرب (NDT) ، هوش مصنوعی (AI) ، سازه های بتنی ، ارزیابی حین اجرا ، یادگیری عمیق ، اولتراسونیک انتشاری ، بینایی ماشین ، مقاومت فشاری ، دوام یخ بندان - ذوب