31213

شناسايي آسيب در پل‌ها با غلبه بر اثرات محيطي با استفاده از روش‌هاي تحليل داده چند متغيره

كارشناسي ارشد

مهندسي عمران - مهندسي زلزله

1401

1403/6/11

دكتر غلامرضا قدرتي اميري - دكتر پدرام قادري

دكتر حسين باباجانيان بيشه

مهندسي عمران

پايش سلامت سازه‌ها (SHM) ، به خصوص ابنيه فني راه‌ها به علت نقش حياتي كه در تمامي امور دارند ، همواره موضوعي بسيار مهم بوده است . آسيب‌هاي سازه‌اي اگر در مراحل اوليه تشخيص داده شوند ، مي‌توان با مجموعه‌اي از اقدامات و تعميرات آن‌ها را اصلاح كرد و از وقوع اتفاقات ناگوار و ضررهاي جاني و مالي جلوگيري كرد . تا كنون روش‌ها و ابزار هاي بسياري براي اين هدف توسعه داده شده‌اند . بسياري از روش‌هاي توسعه داده شده بر اساس سيگنال‌هاي ارتعاش سازه‌اي هستند زيرا اين سيگنال‌ها با ايجاد آسيب در سازه دچار تغيير مي‌شوند از اين رو مي‌توان با تحليل و برسي اين تغيير ، آسيب سازه‌اي را تشخيص داد . بايد توجه داشت مجموعه‌اي از عوامل محيطي و عملياتي مي‌توانند بر روي سيگنال‌هاي ارتعاش برداشت شده از سازه تاثير داشته باشند و در نتيجه دقت و سرعت شناسايي آسيب را تغيير دهند . در اين پژوهش روشي توسعه پيدا كرده است كه با استفاده از روش‌هاي تحليل داده چند متغيره (MVDA) ، سيگنال‌هاي ارتعاش برداشت شده از سازه را تحليل و پردازش مي‌كند و سعي مي‌كند اثرات محيطي و به خصوص اثر دما از روي داده ها حذف كند تا پايش سلامت دقيق‌تري انجام شود . براي اين هدف از تبديل موجك جهت استخراج ويژگي از سيگنال‌ها استفاده شده است ، سپس با دو روش مختلف ويژگي ها منتخب مي‌شوند و بعد از آن به وسيله چند ابزار طبقه بندي ، دقت مجموعه ويژگي هاي انتخاب شده جهت تشخيص آسيب سازه‌اي محاسبه مي‌شود . اين روند يك بار براي داده‌ها به شكل گفته شده اجرا مي‌شود و سپس با اعمال فيلتر كالمن بر روي داده‌ها ، اثرات محيطي را از داده‌ها تا جاي ممكن حذف مي‌شود و مجددا روند را براي داده‌هاي اصلاح شده اجرا مي‌شود . در نهايت نتايج بدست آمده برسي و تحليل مي‌شوند و ارزيابي مي‌شود آيا حذف اثرات محيطي از روي داده‌ها همواره اقدامي مفيد خواهد بود يا خير .

1403/07/02

Multivariate Data Analysis (MVDA) for removing environmental variations for Damage detection of bridges

9/1/2025 12:00:00 AM

Given its vital role in all affairs , Structural Health Monitoring (SHM) has always been a crucial issue , especially in the buildings of roads . If detected in the initial stages , structural damages can be modified using a variety of measures and repairs , so financial and life losses can be prevented , as well as unfavorable events . To this end , many approaches and tools have been developed so far . Many of the developed methods are based on structural vibration signals since these signals change with damage to a structure . Accordingly , structural damages can be detected by analyzing these changes . It is worth noting that a set of environmental and operational factors can affect vibration signals recorded from a structure , changing the accuracy and speed of damage detection . In this study , a method was developed to analyze vibration signals of a structure using multivariate data analysis (MVDA) methods , trying to eliminate environmental effects , especially the temperature impact , on the data to achieve more precise health monitoring . For this purpose , the wavelet conversion was used to extract the properties of signals . Then , the properties were chosen using two different methods . Afterward , the accuracy of the chosen properties was calculated to detect structural damage . Then , by applying the Kalman filter to the data , their environmental effects were eliminated as much as possible . The trend was executed again on the modified data . Finally , the outcomes were analyzed to find whether removing environmental effects from the data was helpful or not .

پايش سلامت سازه‌ها , ابنيه فني راه , تحليل داده چند متغيره , اثرات محيطي , تبديل موجك , فيلتر كالمن

Structural health monitoring (SHM) , Technical buildings of roads , Multivariate data analysis (MVDA) , Wavelet transformation , Environmental effects , Kalman filter

Mani Kalantari

Dr. Gholamreza Ghodrati Amiri - Dr. Pedram Ghaderi