• شماره ركورد
    15391
  • عنوان
    مروري بر پايش سلامت سازه‌ها با بهره‌گيري از يادگيري ماشين و پردازش سيگنال
  • سال تحصيل
    1403
  • استاد راهنما
    دكتر غلامرضا قدرتي اميري
  • استاد مشاور
    دكتر احسان درويشان
  • چکيده
    پايش سلامت سازه (SHM) به دليل مواجهه با چالش‌هايي نظير حجم بالاي داده‌هاي ارتعاشي، وجود نويز محيطي و غيرايستايي سيگنال‌ها، نيازمند ابزارهاي تحليل هوشمند است. اين سمينار با هدف ارائه يك مرور ساختاريافته، بر تركيب رويكردهاي پردازش سيگنال و يادگيري ماشين به عنوان يك مسير تحقيقاتي محوري در سال‌هاي اخير تمركز دارد. روش تحقيق در اين مرور بر دو محور اصلي استوار است: ارزيابي تكنيك‌هاي پيشرفته پردازش سيگنال از جمله تجزيه مودهاي متغير (VMD) و تجزيه كامل مد تجربي با نويز تطبيقي (ICEEMDAN) براي استخراج مؤثر ويژگي‌هاي آسيب؛ و بررسي عملكرد مدل‌هاي يادگيري عميق ، به‌ويژه شبكه‌هاي LSTM و CNN ، جهت تشخيص، مكان‌يابي و كمي‌سازي آسيب. نتايج محوري اين بررسي نشان مي‌دهد كه با استفاده از مدل‌هاي هيبريدي مبتني بر پيش‌بيني سري زماني و يادگيري عميق، مي‌توان به طور مؤثر بر چالش‌هاي ناشي از ناهنجاري‌هاي داده‌اي غلبه كرد. اين رويكردهاي پيشرفته، به‌طور قابل‌توجهي تحمل خطاي سنسور را در سيستم‌هاي SHM افزايش مي‌دهند و مسير را براي توسعه سيستم‌هاي پايش سلامت مقاوم و خودكار هموار مي‌سازند.
  • نام دانشجو

    مهدي قره حسن لو

  • تاريخ ارائه
    11/19/2025 12:00:00 AM
  • متن كامل
    88490
  • پديد آورنده

    مهدي قره حسن لو

  • تاريخ ورود اطلاعات
    1404/08/28
  • عنوان به انگليسي
    A review of Structural Health Monitoring Using Machine Learning an‎d Signal Processing
  • كليدواژه هاي فارسي
    پايش سلامت سازه , يادگيري ماشين , پردازش سيگنال , تشخيص آسيب سازه , تحمل خطاي سنسور
  • كليدواژه هاي لاتين
    Structural Health Monitoring , Machine Learning , Signal Processing , Structural Damage Detection , Sensor Fault Tolerance