18764

۱۸۷۶۴

شناسايي پارامترهاي ديناميكي و تعيين محل آسيب بر مبناي جانمايي بهينه سنسورهاي شتاب سنج در سازه

كارشناسي ارشد

مهندسي زلزله

اسفند ماه ۱۳۹۶

دكتر غلامرضا قدرتي اميري

عمران

پايش سلامت سازه يكي از راه‌كارهاي مؤثر در بهبود مديريت و افزايش قابليت اعتماد عملكرد زيرساخت‌هاي عمراني است. براي رسيدن به اين هدف لازم است داده‌برداري از وضعيت سرويس سازه ، پردازش داده‌ها و تخمين وضعيت فعلي در دستور كار قرار گيرد. با توجه به قيمت بالاي سنسورها (حدود چند هزار دلار) و تجهيزات مرتبط، انتخاب تعداد و تعيين چيدمان آن‌ها يكي از چالش‌هاي مطرح در اين زمينه است. در اين پژوهش شاخصي جديد به نام SDI براي ارزش‌گذاري يك شبكه سنسور شتاب سنج معرفي‌شده است. سپس شاخص مذكور در سازه پل مرجع با استفاده از هشت تابع تبديل مختلف خانواده S و V شكل الگوريتم ازدحام ذرات باينري(BPSO) بهينه‌شده و در پايان به‌عنوان ارزيابي نهايي، ميانگين مربع اختلاف شكل مودي قابل تخمين توسط شبكه سنسور بهينه و شكل مودي تحليلي مدل اجزاي محدود موجود بررسي‌شده است.به منظور مقايسه نتايج با پژوهش تينگ هوا و همكاران (2017) كليه شاخص هاي ارزيابي مانند نوع درون يابي ، تعداد تكرار الگوريتم ها و... به صورت مشابه انتخاب شده است. بررسي ها نشان داده اند كه در مسئله مورد نظر ، عملكرد الگوريتم ازدحام ذرات با انتخاب تابع تبديل مناسب ، از20 تا 60 درصد بهبود يافته است.

1396/12/19

3/10/2018 12:00:00 AM

Structural Health Monitoring (SHM) has an effective role to improve the management and increasing the reliability of infrastructures. To this end, data acquisition, data processing and estimating the current status of the structure should be taken into consideration. Determining the number and the placement of the sensors, is one of the major challenges in this field due to the high price of the sensors and related equipment (about thousands of dollars). In this Thesis, a new index (SDI) for evaluating the optimality of sensor networks is introduced. Then, Using the S and V shape transfer functions of the binary particle swarm algorithms (BPSO), the new Index is optimized to investigate the optimal sensor placement for a benchmark bridge. As the final evaluation, Mean of Square Errors between the analytical and estimated mode shapes are examined. In order to compare the results with the research of Ting-air et-all (2017), all the evaluation indicators such as the type of interpolation, the number of repetitions of algorithms, etc. have been chosen similar. Studies have shown that the performance of the particle swarm algorithm has been improved by selecting the appropriate conversion function from 20 to 60 percent in the desired problem.