بررسی عملکرد الگوریتم ژنتیک فازی و شبکه عصبی در بهینه سازی سیستم پایش سلامت سازه ای پل

 پاسخ دینامیکی سازه­ها در اثر آسیب­های وارده تغییر کرده و این امر یکی از روش­های تشخیص عیوب سازه­ای می­باشد. به این ترتیب امکان تعیین محل و شدت آسیب فراهم می­شود. در این تحقیق مساله پایش سلامت سازه­ای پل بر اساس پارامترهای مودال به صورت یک مساله بهینه­سازی با استفاده از دو روش ژنتیک فازی (مبتنی بر فرکانس) و شبکه عصبی (مبتنی بر انرژی کرنشی مودال)  مطرح می­گردد و کارایی این دو روش در تعیین موقعیت و تشخیص شدت خرابی ارزیابیمی­شود. برای مطالعه تشخیص خرابی، مدل­ عددی پل کروچیلد به وسیله مشخصات دینامیکی آن­ شبیه سازی شده و برای تشخیص سناریوهای مختلف خرابی استفاده شده است. در روش اول فرکانس طبیعی و در روش دوم انرژی کرنشی مودال به عنوان پارامتر حساس به خرابی انتخاب شده است. استفاده از مدل­های ساده شده در مطالعه رفتار پل­ها به دلیل سادگی و دقت قابل قبولی که دارند بسیار مرسوم است. نتایج این تحقیق نشان می­دهد با مدل ساده شده پل و بکارگیری سیستم فازی می­توان با حجم محاسبات و پیچیدگی کمتر به دقت قابل قبولی جهت شناسایی خرابی دست یافت. عدم قطعیت موجود در اندازه­گیری­های تجربی و فرآیند مدل­سازی از طریق نویز اضافه شده به داده­ها، شبیه سازی شده است. نتایج نشان می­دهد در صورت وجود 20 درصد نویز در اطلاعات ورودی، سیستم فازی با دقت قابل قبولی می­تواند حدود خرابی را مشخص کند. مقایسه نتایج دو روش تشخیص خرابی بکار گرفته شده نشان می­دهد، سیستم فازی در برابر عدم قطعیت­های موجود حساسیت کمتری دارد.

کلیدواژه ها:

پایش سلامت سازه ، تشخیص آسیب پل ، شبکه عصبی ، ژنتیک فازی