9988

كاربرد يادگيري ماشين و پردازش سيگنال هاي ديجيتال در پايش سلامت سازه ها

1397

دكتر غلامرضا قدرتي اميري

بررسي عملكرد سازه هاي عمراني از جمله سد ها، پل ها، نيروگاه ها و ساير بناهاي مهم و ارزشمند چه از لحاظ نگهداري و چه از منظر مقاوم سازي نيازمند دانش تخصصي در اين زمينه و هزينه هاي زياد است. در همين راستا پژوهش گران دست به روش هاي متنوعي براي استفاده موثر از اطلاعات مربوط به وضعيت سازه ها زده اند. دانشمندان براي ساليان متمادي از روش هاي پردازش سيگنال هاي ديجيتال براي استخراج ويژگي هايي از سيگنال هاي پاسخ سازه استفاده نموده اند كه از اولين آنها ميتوان به تبديل فوريه اشاره نمود. استمرار در تحقيق در مبحث پردازش سيگنال هاي ديجيتال منجر به توليد روابط جديد همانند تبديل موجك شد كه نتايج آن بر روي سيگنال هاي حاصل از پاسخ سازه درخشان بود. با پيشرفت و توسعه در دانش فني و سخت افزار هاي رايانه اي، پايش سلامت سازه ها وارد فاز جديدي شد كه پيش از آن بسيار پر هزينه و يا ممكن نبود. با توسعه هوش مصنوعي و از زير مجموعه هاي آن يادگيري ماشين پژوهشگران موفق شدند تا نتايج حاصل از روش هاي پردازش سيگنال هاي ديجيتال را رده بندي كنند و براي حالت هاي مختلف مرزي قائل شوند. اين روش ها با دقت بسيار قابل قبولي اين توانايي را دارند تا مهندس را از وجود آسيب و محل وقوع آسيب آگاه سازند. با داشتن داده كافي از سازه، روش هاي يادگيري ماشين قابليت نمايش ميزان آسيب در محل را نيز دارند. در سال هاي اخير استفاده از روش هاي يادگيري عميق براي تشخيص آسيب در سازه محبوبيت زيادي پيدا كرده است، چراكه اين روش ها قادرند تا با هزينه اندك و بدون داشتن دانش فني تخصصي در زمينه پردازش سيگنال و يافتن بهترين ابزار براي استخراج ويژگي از داده هاي پاسخ سازه، اين ويژگي ها را به تنهايي استخراج و آنها را از يكديگر متمايز سازند. در ادامه به پژوهش هاي انجام شده در اين زمينه ها پرداخته شده است.

2/2/2021 12:00:00 AM

72837

1400/08/20

Application of machine learning and digital signal processing in structural health monitoring

پايش سلامت سازه , پردازش سيگنال هاي ديجيتال , يادگيري ماشين , يادگيري عميق

Structural health monitoring , Digital signal processing , Machine learning , Deep learning