بخشی از مقاله
چکیده
پایش سلامت سازه و شناسایی آسیبها در مهندسی هوا فضا، عمران و مکانیک از اهمیت ویژه ای برخوردار است. خسارتهای زمان بهرهبرداری که در بسیاری از موارد به صورت ترکهای ریز هستند، از کارآیی سازهها میکاهند و ممکن است به شکست ناگهانی بیانجامند. درسازه های زیربنایی مانند پلهای بتنی، دال ها در اثر بارهای استاتیک و دینامیکی و شرایط محیطی دچار ترک میشوند. وجود این ترک ها کاهش چشمگیر دوام و عمر مفید سازه را در پی دارند. مقاله حاضر به شناسایی ترک های متعدد در دالهای بتنی پیش تنیده با کمک تغییر در پارامترهای مودال میپردازد.
برای این هدف، آزمایش مودال روی یک نمونه دال بتنی پیش تنیده بدون خسارت انجام شده است. داده های مودال دریافتی از این آزمایش به عنوان مرجع برای الگوی اجزای محدود دال در نظر گرفته شدهاند. پس از راستی آزمایی الگوی اجزای محدود، سناریوهای خسارتهای ساختگی برای پیدا کردن شاخص مناسب برای شناسایی خسارتها مورد تحلیل و بررسی قرار گرفتهاند. این شاخص ها بر اساس بسامد طبیعی، شکل مود، کرنش مودال، انرژی کرنشی و سیستم استنتاج تطبیقی فازی عصبی به دست آمده اند.
مقایسه و بررسی روش های مورد بحث نشان میدهد سیستم پیشنهادی ANFIS دقت بالاتری نسبت به دیگر روش ها دارد و در صورت آموزش مناسب و پایگاه داده ای کافی میتواند مکان و شدت آسیب را به درستی تعیین کند. در مواردی که پایگاه داده کافی نباشد، روش انرژی کرنشی مودال برای تشخیص خسارت ها بدون مکانیابی دقیق، مناسب است.
کلمات کلیدی: خسارت؛ داده های مودال؛ دال بتنی پیش تنیده؛ بسامد طبیعی.
مقدمه
اندیشه اولیه روش عیبیابی سازه بر اساس خواص ارتعاشی آن، بر مبنای این اصل کلی است که خواص ارتعاشی سازه مانند فرکانس و شکلهای مودی تابع ویژگی های فیزیکی آن ازجمله جرم و سختی است. بنابراین، تغییر در خواص فیزیکی سازه میتواند تغییرات زیادی را در ویژگی های ارتعاشی آن پدید آورد. بهاینترتیب میتوان با اندازهگیری و ملاحظه تغییرات خواص ارتعاشی سازه به بروز تغییرات در خواص فیزیکی آن پیبرد. این مبنا به آسانی قابلدرک است و در ظاهرساده به نظر میرسد. ولی، در عمل، پژوهشگران را با دشواری های زیادی روبرو میسازد. بیشترین مشکلات بر این نکته استوار است که در بیشتر موردها آسیبدیدگی سازه یک حادثه موضعی است و تأثیر زیادی بر کاهش پاسخ کلی سازه ندارد.
بنابراین، لازم است که پاسخهای ارتعاشی مودهای بالاتر سازه موردبررسی قرار گیرد. ازاینرو سازه باید در مودهای بالاتر آن مرتعش شود که این کار، انرژی و هزینه زیادی را صرف می کند. افزون بر این، نداشتن دسترسی به تجهیزات و روشهای اندازهگیری پاسخهای ارتعاشی سازه با دقت مناسب، در شرایط مختلف محیطی و کاری پژوهشگران را با دشواری های زیادی روبرو ساخته است. ولی، امروزه افزایش قدرت و سرعت محاسبات کامپیوتری و کمهزینه شدن آنها، پیشرفت در روشهای اجزاء محدود و روشهای تحریک و دریافت داده های دینامیکی، سبب توسعه روش عیبیابی سازه بر اساس ویژگی های ارتعاشی آن شده اند.
این توسعه به تغییر رویکرد در محاسبه شاخص های خسارت انجامیده است و روش های سنتی مانند کرنش و کارمایه مودال جای خود را به روش های نوین مانند شبکه های عصبی برای تشخیص خسارت داده اند. استفاده از روش های هوش مصنوعی که طبق روش های تصمیم گیری منطق انسانی شبیه سازی شده اند، یکی از روش های پر کاربرد برای حل مسایل پیچیده و به ویژه غیر خطی است. سازه در صورت وجود خسارت رفتار غیر خطی پیدا کرده و روش ها و شاخص های دقیقتری را برای شناسایی رفتار آن میطلبد. یکی از روش های پرکاربرد هوش مصنوعی 1ANFISمیباشد. در این مقاله، روشهای تحلیل سنتی و نوین دادههای مودال بر پایه هوش مصنوعی ANFIS برای دادههای مودال یک دال بتنی پیش تنیده به کار برده شده و نتیجه تحلیل داده ها با یکدیگر مورد بررسی و مقایسه قرار گرفتهاند.
فرض کردند که خسارت تنها بر ماتریس سختی و توزیع جرم تاثیر گذار است. شکل مودها پیش و پس از خسارت از تحلیل به دست میآیند. انحنای شکل مود به صورت عددی از طریق جابه جایی شکل مود با اختلاف مرکزی به دست میآید. میدانیم انحنا تابعی از لنگر خمشی ومدول الاستیسیته و ممان اینرسی است. بنابر این کاهش سختی با خسارت مرتبط و موجب افزایش انحنا میشود.
