مروری نظام مند بر روشهای یادگیری ماشین در تشخیص آسیب سازه های عمرانی از الگوریتمهای کلاسیک تا مدلهای یادگیری عمیق

تشخیص آسیب در سازه های عمرانی هسته اصلی پایش سلامت سازه و ابزاری موثر برای افزایش ایمنی و کاهش هزینه های نگهداشت است. با توجه به محدودیت های روش های سنتی مبتنی بر مدل های فیزیکی یادگیری ماشین به عنوان یک رویکرد داده محور جایگاه مهمی در شناسایی آسیب سازه ای یافته است. این مقاله مروری کاربرد روش های یادگیری ماشین در تشخیص آسیب را به صورت نظام مند بررسی می کند و انواع داده های پایش، مراحل پیش پردازش و استخراج ویژگی، و نقش الگوریتم های نظارت شده، بدون نظارت و عمیق را تحلیل می کند، همچنین گذار از روش های کلاسیک به مدل های عمیق از جمله شبکه های عصبی کانولوشنی و انتقال یادگیری مورد توجه قرار می گیرد. چالش هایی مانند کمبود داده های واقعی، تغییرات محیطی و عملیاتی، تعمیم پذیری و تفسیرپذیری مدل ها نیز بررسی می شود. در پایان، روندهای آینده این حوزه شامل پایش بلادرنگ، ادغام با بینایی ماشین، انتقال یادگیری و هوش مصنوعی تبیین پذیر ترسیم می شود.

کلیدواژه ها:

پایش سلامت سازه ، تشخیص آسیب ، یادگیری ماشین ، یادگیری عمیق ، تشخیص ناهنجاری