10468

تشخيص آسيب با استفاده از شبكه هاي عصبي مصنوعي

1397

دكتر محسنعلي شايانفر

آسيب¬ها به طور مداوم در تمام سازه‌هاي عمراني كه بار تحمل مي¬كنند، مانند پل‌ها، ساختمان‌ها و سكوهاي دريايي، در طول عمر آن¬ها جمع مي‌شود و بخش‌هاي بسياري از زيرساخت‌هاي فني ما در حال نزديك شدن يا فراتر رفتن از عمر طراحي اوليه خود هستند. اما به¬دليل مسائل اقتصادي، اين سازه‌ها علي‌رغم پيري و تجمع آسيب‌ها مورد استفاده قرار مي‌گيرند و آسيب¬هاي تشخيص داده نشده ممكن است به شكست سازه و از دست رفتن زندگي انسان¬ها منجر شود. بنابراين تشخيص آسيب در يك سازه و انجام تعميرات مناسب در اسرع وقت مهم و ضروري مي‌باشد. پيشرفت‌هاي عظيم در تكنولوژي تراشه و سنسور و توان محاسباتي كامپيوترها، استفاده از تكنيك‌هاي يادگيري ماشيني را در كاربردهاي مهندسي ممكن ساخته‌است. يادگيري ماشيني علم توسعه الگوريتم هاي هوشمندي است كه قادرند دانش را از داده‌هاي در دسترس به طور خودكار كسب كنند، هدف الگوريتم هاي يادگيري ماشيني ارائه ماشيني با توانايي هايي مانند انسان در يادگيري با مثال و تشخيص الگو است. تحقيقات اخير نشان داده‌است كه روش‌هاي يادگيري ماشيني بسيار دقيق‌تر و برتر از روش‌هاي سنتي هستند به ويژه در برخورد با مشكلاتي كه در آن داده‌ها فازي يا آلوده به نويز هستند. در طول دهه گذشته، ابزارهاي مختلفي براساس يادگيري ماشيني براي توسعه تعداد گسترده‌اي از سيستم‌هاي شناسايي آسيب مبتني بر ارتعاش به كار گرفته شده‌اند كه يكي از اين روش¬ها شبكه عصبي مصنوعي مي¬باشد.

2/15/2021 12:00:00 AM

74040

1400/11/26

Damage detection utilizing artificial neural networks

شناسايي آسيب سازه , شبكه عصبي مصنوعي

Structural damage detection , Artificial neural network