23648

شناسايي آسيب سازه اي مبتني بر تركيب پارامترهاي مودال (انرژي كرنشي مودال) با استفاده از الگوريتم هاي فر ابتكاري

كارشناسي ارشد

مهندسي عمران-مهندسي زلزله

1399/3/13

دكتر غلامرضا قدرتي اميري

مهندسي عمران

ايمني و يكپارچگي سازه ها امري مهم در طول عمر سرويس دهي آن ها مي باشد. زيرا هر گونه خرابي فاجعه بار ممكن است باعث از دست رفتن جان انسان هاي زيادي شود. بنابراين تقاضا براي روش هاي موثر و قابل اطمينان تشخيص آسيب در دو دهه ي گذشته افزايش يافته است. پايش سلامت سازه اي فرايندي است كه هدف آن، تعيين سلامت سيستم، يعني تشخيص رخداد آسيب و توصيف آن بر اساس داده هاي اندازه گيري شده مي باشد. يكي از شناخته شده ترين روش ها براي شناسايي و توصيف آسيب، بيان مساله شناسايي آسيب به صورت يك مساله معكوسِ به روز رساني مدل با استفاده از روش هاي مبتني بر ارتعاش مي باشد. اين پايان نامه يك رويكرد مبتني بر مدل را براي شناسايي آسيب در سازه هاي مهندسي ارائه مي كند. براي اين منظور، تابع هدفي تركيبي و حساس به آسيب مبتني بر تعريف مفهوم معيار اطمينان مودال براي انرژي كرنشي مودال و ادغام آن با فركانس هاي طبيعي پيشنهاد مي شود. سپس براي انجام فرايند بهينه سازي تابع هدف پيشنهادي، از الگوريتم فرا ابتكاري دسته ي پروانه ها استفاده مي شود. كارايي روش ارائه شده در اين پژوهش، از طريق پنج مثال عددي مختلف شامل خرپاهاي 2 دو بعدي 27 و 28 عضوي، يك قاب خمشي دو بعدي 26 عضوي، يك قاب برشي 12 طبقه و يك ورق فولادي 100 الماني مورد ارزيابي قرار مي گيرد. سناريوهاي چندگانه ي آسيب براي هر يك از سازه ها تعريف شده و از اطلاعات چندين مود اول سازه ها براي انجام محاسبات استفاده مي شود. همچنين براي شبيه سازي بهتر از شرايط واقعي پايش سلامت سازه اي، اثر نوفه بر روي فركانس هاي طبيعي و اشكال مودي لحاظ مي گردد. نتايج شناسايي آسيب به دست آمده براي قاب خمشي 26 عضوي حاكي از آن است كه حداكثر خطاي مقادير آسيب پيش بيني شده براي المان هاي سالم و آسيب ديده به ترتيب 3 و 2 درصد مي باشند. اين مقادير حداكثر خطا براي المان هاي سالم خرپاهاي 27 و 28 عضوي به ترتيب 1/7 و 2/7 درصد، و براي المان هاي آسيب ديده شان، به ترتيب برابر 1/1 و 1/3 درصد مي باشند. همچنين خطاي مقادير آسيب شناسايي شده براي قاب برشي براي المان هاي آسيب ديده برابر 1 درصد، و خطاي شناسايي هاي كاذب برابر با 1/5 درصد براي اين سازه مي باشد. براي سازه ي ورق فولادي نيز حداكثر مقدار خطا براي المان هاي آسيب ديده و سالم، به ترتيب از 1 و 2/5 درصد تجاوز نكرده است. در نهايت براي بررسي عملكرد الگوريتم پيشنهادي، نتايج شناسايي آسيب حاصل از الگوريتم هاي فرا ابتكاري جستجوي فاخته و ازدحام ذرات با نتايج الگوريتم دسته ي پروانه ها مورد بررسي و مقايسه قرار مي گيرد. نتيجه ي اين مقايسه، نشان دهنده ي برتري الگوريتم دسته ي پروانه ها نسبت به دو الگوريتم ديگر، در شناسايي آسيب سازه اي مي باشد. به طور كلي نتايج به دست آمده از تمامي مثال هاي عددي حاكي از آن است كه روش پيشنهادي حتي در شرايط حضور نوفه و با استفاده از داده هاي مودهاي اوليه ي سازه ها، از توانايي بالايي براي تشخيص محل و شدت آسيب برخودار مي باشد.

1400/03/02

structural damage detection based on combination of modal parameters (modal strain energy)‌ using metaheuristic algorithms

6/3/2021 12:00:00 AM

The safety and integrity of structures are an important issue during their service life. Any catastrophic damage can cause the loss of many lives. Thus, the demand for effective and reliable methods of damage diagnosis has increased in the last two decades. The aim of Structural health monitoring (SHM) process is to determine the health state of the system, including diagnosing the occurrence of damage and describing it based on measured data. One of the most well-known methods for identifying and describing damage is to express the damage detection problem as an inverse problem using model updating method and modal data. This study presents a model-based approach to identify damage in engineering structures. For this purpose, a new damage-sensitive objective function based on combination of modal strain energy (MSE) and natural frequencies is proposed. In order to optimize the proposed objective function, a nature-inspired metaheuristic optimization algorithm called Moth Swarm Algorithm (MSA) is ultilized. The efficiency of the proposed method is evaluated through five different numerical examples including 27 and 28-bar trusses, a plane steel frame, a shear frame, and a plate-like structure. Multiple damage scenarios are defined for each structure, and calculations have been carried out using only first several modal data. Furthermore, in order to simulate the real condition of SHM, the effect of noisy data on damage detection results, has been taken into account of calculations. The obtained results for plane steel frame indicate that the maximum error of the predicted damage values for healthy and damaged elements are 3% and 2%, respectively. The maximum error amounts for the healthy and damaged elements of 27-bar truss are 1.1% and 1.7%, respectively. The predicted errors for healthy and damaged elements of 28-bar truss are 1.3% and 2.7%, respectively. Also, the maximum detected damage error value of the shear frame for the damaged storeys is equal to 1.5%, and the error of false identifications is equal to 1%. For plate structure, the maximum calculated errors for damaged and healthy elements don’t exceed 1% and 2.5%, respectively. Moreover, the performance of the proposed MSA has been compared with two other algorithms like PSO (particle swarm optimization) and CS (cuckoo search). The result of this comparison shows the superiority of the MSA over the other two algorithms in identifying structural damage. Generally, the results obtained from all numerical examples demonstrate that the proposed methodology has a high ability to detect the location and severity of damage, even in the presence of noise.

شناسايي آسيب , روش به روز رساني مدل , تابع هدف , انرژي كرنشي مودال , فركانس هاي طبيعي , الگوريتم دسته ي پروانه ها

Damage detection , Model updating method , Objective function , Modal strain energy (MSE) , Natural frequencies , Moth Swarm Algorithm (MSA)