20433

۲۰۴۳۳

شناسايي خودكار سازه ها در راه آهن با هدف بهره برداري عملياتي

كارشناسي ارشد

مهندسي كنترل و علايم

۱۳۹۵-۱۳۹۷

۱۳۹۷/۱۱/۲۹

دكتر بيژن معاوني

راه آهن

شناسايي سيستم، فرآيند مدل¬سازي يك سيستم ناشناخته، براساس نمونه¬برداري از ورودي¬ها و خروجي-هاي سيستم است، به گونه¬اي كه مدل مورد¬نظر رفتاري همانند سيستم اصلي را دارا باشد. شناسايي سيستم سازه¬اي با هدف تعيين پارامترهاي مودال سيستم صورت مي¬گيرد و نتايج آن مي¬تواند جهت پايش وضعيت سازه به كار گرفته شود. تفاوت عمده شناسايي در اين حوزه لزوم بهره‌گيري از روش‌هاي شناسايي مبتني بر داده‌هاي خروجي به دليل عدم دسترسي دقيق به ورودي¬هاي تحريك مي¬باشد. هزينه كمتر و عدم توقف عملكرد نرمال سازه موجب شده كه در سال¬هاي اخير اكثر مطالعات بر روي تحريك¬هاي طبيعي يا ارتعاشات محيطي متمركز شود. به منظور شناسايي مناسب سازه¬هاي پيچيده، نياز به داشتن مكان¬هاي اندازه¬گيري متعدد است كه به صورت همزمان يا مجزا عمل داده¬برداري را انجام مي¬دهند. دركنار وجود كانال¬هاي اندازه¬گيري متفاوت، تعداد زيادي نمونه در هركانال وجود دارد كه هرچه سازه بزرگتر باشد، زمان و هزينه مورد نياز براي اندازه-گيري و تحليل داده ها بيشتر خواهد بود. اين امر سبب شده كه خودكار كردن فرآيند شناسايي ديناميك سازه اخيرا مورد توجه قرار گيرد. همچنين، به¬كارگيري اطلاعات حاصل از حسگرهاي مختلف به گونه¬اي كه خطاي تخمين كاهش يابد، نقش مهمي در فرآيند شناسايي خودكار خواهد داشت. همچنين چالش عمده ديگر در بحث خودكارسازي شناسايي پارامترهاي مودال سازه، جدا كردن مودهاي واقعي سيستم از مجموعه مودهاي بدست آمده مي‌باشد، كه در اين پايان¬نامه براي حل اين مشكل به بررسي مهمترين معيارهاي پايداري پرداخته شده است. مباحثي كه در اين پايان¬نامه ارائه خواهد شد عبارتند از: • بررسي روش خودهمبسته بازگشتي در شناسايي پارامترهاي مودال سازه •استفاده از روش شناسايي زيرفضاي تصادفي (SSI) به منظور تخمين پارامترهاي مودال سازه •استفاده از روش¬هاي تركيب اطلاعات مبتني بر تركيب بردار حالت به منظور تركيب اطلاعات سنسورها و دست يافتن به شناسايي با خطاي كمتر •خودكارسازي شناسايي با استفاده از روش بيان شده براي تلفيق اطلاعات، و همچنين استفاده از معيارهاي مهم پايداري و حذف مودهاي غيرفيزيكي به كمك آن¬ها در انتها، قابليت روش¬هاي بيان شده با پياده¬سازي اين روش¬ها بر روي داده¬هاي حاصل از شبيه¬سازي و آزمايش¬هاي تجربي بررسي مي¬شود. واژه‌هاي كليدي: شناسايي سيستم مبتني بر داده¬هاي خروجي، روش خودهمبسته بازگشتي، روش زيرفضاي تصادفي، تركيب اطلاعات، خودكارسازي فرآيند شناسايي

1398/02/11

Automated Modal Identification of Railway Structures with the Aim of Operational Exploitation

2/18/2020 12:00:00 AM

Modal identification of Structural systems is a procedure to estimate the modal parameters of a structure, which is an important part of structural health monitoring. The main challenge of identification in this domain is the inaccessibility of the input data, which restricts us to use of output-only identification methods. The modal identification methods can be classified in different types, based on the excitation source. In recent years the main part of output-only system identification methods has focused on ambient Excitation. In order to identify the modal parameters of infrastructures, it is essential to have different output channels, moreover there are large amount of data in each channel and it is important to improve the accuracy of the identification by using the data-fusion methods. The identification of the structural systems is computationally complicated, hence, automated modal identification play an important role in modal identification of infrastructures. In this study, the ambient input modal identification and automated identification are examined. The main topics which introduced in this thesis can be organized as: • Reviewing the Vector Backward Auto-Regressive (VBAR) identification method and extracting an interval for sampling frequency in this method. •Reviewing the Subspace Identification (SSI) method. •Introducing the FKF data-fusion method to improve the accuracy of the identification. •Automatic system identification by using the main stabilization criteria in eliminating the spurious modes from the set of identified modes. •Implementing the introduced methods on simulated and experimental data to verify the performance of the proposed algorithms. Keywords: Output-only system identification, Vector Backward Auto-Regressive (VBAR), Stochastic Subspace Identification (SSI), Data-Fusion, Automated identification