تشخیص خرابی پل های پیوسته با استفاده از الگوریتم های فراکاوشی به همراه ارزیابی عدم قطعیت (مطالعه موردی پل کروچیلد)

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 469

فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICSAU04_0851

تاریخ نمایه سازی: 11 مرداد 1396

چکیده مقاله:

خرابی موجب تغییر در خصوصیات دینامیکی یک سازه مانند فرکانس، شکل مودی و میرایی مودال می شود. مبانی تیوریآنالیز مودال در عیبیابی و شناخت نقصان از طریق ردگیری تغییرات در خصوصیات دینامیکی یا پاسخ سازه ای در اثرایجاد عیوب، راه حلی است که در تکمیل بازرسیهای چشمی امکان پایش سلامت سازه ای پل ها را به صورت دقیق فراهممی آورد. لذا در این تحقیق مساله عیب یابی بر اساس پارامترهای مودال به صورت یک مساله بهینه سازی مطرح می گرددو کارایی این روش در مکانیابی و همچنین تشخیص شدت خرابی مورد ارزیابی قرار می گیرد. در این تحقیق دو روششبکه ی عصبی و سیستم ژنتیک فازی، برای پایش سلامت سازه پل کروچیلد بر اساس اطلاعات مودال آن بکار گرفتهشده است. برای مطالعه تشخیص خرابی، مدل عددی این پل به وسیله مشخصات دینامیکی اندازه گیری شده آن ساختهشده و برای تشخیص سناریوهای مختلف خرابی بکار گرفته شده است. اثر خطاهای اندازه گیری و اطلاعات ورودی ناقصبه صورت نویز به داده ها اضافه شده و اثر آن در موفقیت روشها ارزیابی شده است. نتایج این تحقیق نشان میدهد کهانرژی کرنشی مودال و فرکانس طبیعی دارای حساسیت مناسب نسبت به اعمال سناریوهای خرابی مختلف در سازه می-باشند. علاوه بر این فرکانس طبیعی در مقایسه با سایر پارامترهای مودال، حساسیت کمتری نسبت به خطای تصادفیدارد و به کمک سیستم منطق فازی و الگوریتم ژنتیک به خوبی برای مقابله با عدم قطعیت های موجود متناسب می شود.همین امر باعث شده است روش ژنتیک فازی ارایه شده با وجود 20 درصد نویز در داده های ورودی، موقعیت و شدتخرابی را به درستی تخمین بزند. بکارگیری هشت فرکانس طبیعی اول بجای سه فرکانس اول موجب افزایش دقتتشخیص خرابی خواهد شد.

نویسندگان

سعید جهان

دانشجوی کارشناسی ارشد، دانشکده عمران، دانشگاه تبریز، تبریز، ایران

علیرضا مجتهدی

استادیار گروه سازه های دریایی، دانشکده عمران، دانشگاه تبریز، تبریز، ایران

میثم ابدال محمودآبادی

دانشجوی کارشناسی ارشد، دانشکده عمران، دانشگاه زنجان، زنجان، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Doebling, S.W. (1996). Damage identification and health monitoring of structural ...
  • Balageas, D. (2010). Introduction to Structural Health Monitoring Structural health ...
  • Modares, M., & Waksmanski, N. (2013). Overview of Structural Health ...
  • Orcesi, A.D., & Frangopol, D.M. (2011). Optimization of assessment strategies ...
  • Bagchi, A., Humar, J., Xu, H., & Noman, A.S. (2010). ...
  • Humar, J., Bagchi, A., & Xu, H. (2006). Performance analysis ...
  • Worden, K.., Staszewski, W.J., & Hensman, J.J. (2011). Natural computing ...
  • Turer, J., & Pretlove, A. (1988). A study of the ...
  • Kim, J.-T.. & Stubbs, N. (2003). Nondes tructive crack detection ...
  • Pawar, P.M., & Ganguli, R. (2011). Structural health monitoring using ...
  • Ross, T., Sorensen, H., Savage, S., & Carson, J. (1990). ...
  • Yao, J.T. (1985). Safety and reliability of existing structures (Vol. ...
  • Liu, H., Jiao, Y., Cheng, Y., & Gong, Y. (2012). ...
  • Ganguli, R. (2001). A fuzzy logic system for ground based ...
  • Beena, P., & Ganguli, R. (2011). Structural damage detection using ...
  • Ch andrashekhar, M., & Ganguli, R. (2009). Uncertainty handling _ ...
  • Pawar, P.M., & Ganguli, R. (2007). Genetic fuzzy system for ...
  • Abe, S. (2012). Pattern class ification: neuro-fuzzy methods and their ...
  • Stubbs, N., Kim, J., & Farrar, C. Field verification of ...
  • Ventura, C.E., Onur, T., & Tsai, P.-C. (2000). Dynamic characteris ...
  • نمایش کامل مراجع