11582

شناسايي آسيب هاي سازه اي با استفاده از روش هاي مبتني بر هوش مصنوعي و يادگيري عميق

1400

دكتر غلامرضا قدرتي اميري

زيرساخت هاي عمراني به دليل نقص هاي ساختاري كه عمدتا ناشي از خستگي مصالح و بارهاي ناشي از زلزله، باد، وسايل نقليه و ارتعاشات محيطي بوجود مي آيند، مستعد از دست دادن قابل توجه عملكرد خود هستند. از اين رو، شناسايي آسيب و پايش سلامت سازه اي براي حفظ عمر مفيد سازه هاي عمراني امري بسيار مهم است. حفظ عملكرد مستمر يك سازه به شدت به نظارت بر وقوع، شكل گيري و انتشار آسيب بستگي دارد به طوري كه نظارت موفق، اطلاعات قاطع و محكمي در مورد سلامت، قابليت سرويس دهي، يكپارچگي و ايمني سازه ها ارائه مي دهد. روش‌هاي پايش سلامت و تشخيص آسيب متعددي به منظور ارائه ابزارهاي عملي براي هشدار اوليه در برابر آسيب‌هاي سازه‌اي و يا هر نوع ناهنجاري ايجاد شده‌اند. تلاش هاي قابل توجهي بر روي روش هاي مبتني بر ارتعاش انجام شده است كه از پاسخ ارتعاشي سازه مورد مطالعه، براي ارزيابي وضعيت آن و شناسايي آسيب سازه اي استفاده مي كنند. در همين حال، با ظهور فناوري جديد در حسگر ها و قدرت محاسباتي در دهه گذشته، الگوريتم‌هاي يادگيري ماشين و به ويژه يادگيري عميق عملي‌تر شده‌اند و به طور گسترده در تشخيص آسيب ساختاري مبتني بر ارتعاش با عملكرد دقيق استفاده مي‌شوند. در اين سمينار پس از مرور بر مطالعات انجام شده در حوزه شناسايي آسيب و پايش سلامت و مفاهيم آن ها، به بررسي مفاهيم يادگيري ماشين و يادگيري عميق، به عنوان پركاربردترين رويكرد هاي مورد استفاده در پايش سلامت سازه اي در سال هاي اخير، پرداخته خواهد شد. در ادامه چهار مطالعه كه از شبكه هاي عصبي عميق براي شناسايي آسيب سازه اي استفاده شده است، بررسي مي شود و در آخر جمع بندي از مطالب آورده شده است.

9/17/2022 12:00:00 AM

77305

1401/10/07

Damage Detection of civil structures using Artificial Intelligence and Deep Learning techniques

شناسايي آسيب سازه اي , پايش سلامت سازه اي , يادگيري ماشين , يادگيري عميق , هوش مصنوعي

structural damage detection , structural health monitoring , machine learning , deep learning , artificial intelligence