بخشی از مقاله
چکیده
آسیب می تواند به عنوان تغییرات وارد شده به یک سیستم که در عملکرد حال و آینده سیستم تأثیر منفی می گذارد تعریف شو د. به طور کلی آسیب باعث ایجاد تغییر دائم در مشخصات سازه از جمله سختی، مقاومت، خصوصیات دینامیکی و یا کاهش سطح عملکرد سازه نسبت به حالت اولیه آن می شود. این پژوهش روی مطالعه ی شناسایی آسیب در یک سیستم سازه ای قاب سرد نورد شده تاکید دارد، بنابراین تعریف آسیب محدود خواهد شد به خواص هندسی سیستم که در عملکرد حال و آینده آن تأثیر منفی دارد. برای شناسایی آسیب روش های مختلفی تاکنون توسط محققین ارائه شده است که از بینشان، روش شبکه عصبی مصنوعی که مبتنی بر داده های ورودی هست در این پژوهش بکار برده شده است. مدل سازه ای به صورت مدل سازی اجزای محدود در نرم افزار اپنسیس برروی یک قاب بسته دو بعدی انجام می گیرد.
پاسخ سری زمانی شتاب به عنوان شاخص آسیب و در واقع ورودی شبکه عصبی مصنوعی معرفی شده است. با استفاده از اطلاعات ثبت شده از مکان حس گرهای بهینه، پروسه شناسایی آسیب انجام می شود. درصد خرابی در اتصال های - المان کوچک مرتبط با اتصال مفصلی - سازه ای به صورت کاهش سختی یا به عبارتی کاهش مدول الاستیسیته در المان بیان می شود. قاب تحت بار ضربه آنالیز دینامیکی می شود و پاسخ شتاب سازه در نقاط حس گرها برداشت می گردد. پاسخ شتاب سازه به اغتشاش با درصدهای مختلف آمیخته می شود. پس از آن طراحی سلسله مراتب شبکه عصبی انجام می شود تا با استفاده از آن، شناسایی آسیب در اتصالات مهاربند قاب انجام گیرد. در پروسه شناسایی آسیب، از شاخص خرابی پاسخ سری زمانی شتاب کاهش بعد یافته به عنوان ورودی به سلسله مراتب شبکه عصبی استفاده می شود. کاهش بعد توسط تکنیک تحلیل مولفه های اساسی انجام می پذیرد.
-1 مقدمه
پایش سلامت سازه ای - SHM - 1 فرآیند نسبتا جدیدی در کاربردهای مهندسی است که هنوز تعریف استاندارد شده ثابتی برای آن وجود ندارد. معمولا SHM بر مبنای اهداف، و سیستم مورد نیاز برای دستیابی به آن اهداف تعریف می شود. هدف از SHM ،پایش رفتار در محل سازه با دقت و کارایی است به گونه ای که عملکرد سازه تحت شرایط بارگذاری مختلف برآورد شود، آسیب یا خرابی سازه تشخیص داده شود و شرایط سلامت یا غیر سلامت سازه تعیین گردد ISHMII. سیستم پایش سلامت سازه ای را به این صورت تعریف شد: "نوعی سیستم که اطلاعات مورد نیاز را درباره هر تغییر قابل توجه و یا وقوع خرابی در یک سازه فراهم می کند.
- هیجل ،" - 2007 به منظور درک هر چه بیشتر SHM می توان بین SHM و بدن انسان مشابهتی برقرار نمود .همانطور که پزشک سلامت بدن بیمار خود را معاینه میکند، مهندسین امروز نیز باید قادر باشند وضعیت سلامت سازه خود را بسنجند. با استفاده از SHM در سازه ها می توان از بروز خرابی در آنها جلوگیری کرد و امنیت و سلامت سازه را در تمام عمر مفید آن تضمین نمود - مافی،. - 2001 امروزه روش های مبتنی بر ویژگی های ارتعاشی سازه - دینامیکی - بیشتر مورد توجه قرار گرفته است مزیت اصلی این روش ها که سبب توجه به آنها شده است حساسیت زیاد آنها به تغییر در پارامترهای سازه می باشد ایده ی اصلی این روش ها بر این فرض استوار است که پارامترهای مودال - مانند فرکانس و شکل مودی - تابعی از خواص فیزیکی سازه - جرم، سختی و میرایی - می باشند. عیب عمده این روش ها نیز خطا در اندازه گیری و تاثیرپذیری زیاد آنها از شرایط مرزی می باشد .
روش هایی که بر اساس بررسی ویژگی های ارتعاشی - دینامیکی - سازه برای تشخیص و تخمین آسیب کار می کنند را می توان به صورت زیر طبقه بندی کرد: روش های مبتنی براستفاده از فرکانس، اشکال مودی، تابع پاسخ فرکانسی، انحنای شکل مودی، انرژی کرنشی مودال، نرمی دینامیکی، میرایی، به هنگام کردن مدل المان محدود، تئوری انتشار امواج و ... . برخی محققان نیز سعی در تشخیص و تخمین آسیب یا به روز کردن مدل با اطلاعات ناقص داشته اند - کرولهو و همکاران، - 2007 و - چینگ وهمکاران ،. - 2006 - پدراس لوپز و همکاران، - 1997 به شناسایی آسیب ناشی از وقوع خستگی متمرکز شده بر روی اتصالات منتخب سازه دریایی که در شرایط بارگذاری امواج به وجود آمد پرداختند که خرابی در آن از طریق شبکه عصبی پیش خور بازگشتی پس انتشار بررسی شد.
این روش برای ترمیم اتصالات سازه های دریایی برای مود های خستگی بکار برده شد. و اثبات شد که این روش نسبت به تکنیک های دیگر برای ارزیابی خستگی اتصالات کارایی بیشتری داشت. - لیما و همکاران، - 2005 روش شبکه عصبی آموزش دیده با الگوریتم پس انتشار را برای تخمین پارامتر سختی اتصالات تیر - ستون سازه فولادی به کار گرفتند. یکی از مشکلات مهم سازه مورد نظر ،این است که تحت اثر پارامترهای مختلف فیزیکی و هندسی همراه بوده و بدین ترتیب یافتن داده های مهم را بسیار مشکل می سازد.به همین دلیل استفاده ازشبکه عصبی برای یافتن پارامتر سختی ،به عنوان تکنیک ضروری بوده است و پیش بینی نتایج برای اتصالات تیر - ستون بسیار رضایت بخش بود.
- یون و همکاران، - 2001 روش شبکه عصبی را برای تخمین خرابی اتصالات یک سازه فولادی از طریق اطلاعات مودال بکار بردند. اتصالات در قاب فولادی مورد نظر با یک فنر دورانی با طول صفر در انتهای المان تیر مدلسازی شدند. در این تحقیق نشان داده شد که حتی اگر بردار های مودال اندازه گیری شده در زیرسازه ها محدود شوند و داده ها نیز نویز دار شوند، تخمین خرابی در اتصالات به روش شبکه عصبی با دقت بسیار قابل قبولی انجام می شود.در این پژوهش از قاب سرد نورد شده استفاده شده است.
سیستم قاب فولادی سبک - LSF - یکی از سیستم های ساختمانی است که با به کارگیری ورقهای فولادی فرم داده شده در حالت سرد - - CFS ساخته می شود. و تا کنون به دلیل ویژگی های مهم شان از قبیل امکان تولید اقتصادی اشکال غیر متعارف مقاطع و در نتیجه حصول نسبت های مطلوب مقاومت به وزن، امکان انبار متراکم و حمل و نقل آسان با جاگیری مناسب مقاطع، سبکی ، مقاومت و سختی بالا، سادگی در پیش ساختگی آنها و تولید انبوه ، نصب سریع و آسان و ......از این نوع سازه در بسیاری از موارد ترجیح داده شده است.
-2 پیشینه پژوهش
1-2 شبکه عصبی مصنوعی
- وو،قابوسی و گارت، - 1992 نخستین بار از شبکه عصبی برای شناسایی آسیب در سازه ها استفاده شد. پس از آن تحقیقات بسیار دیگری انجام شد. همه تحقیقات براین اصل استوار هستند که ویژگی های دینامیکی سازه به عنوان ورودی به شبکه عصبی داده می شود و آسیب به عنوان خروجی از شبکه دریافت می گردد. شبکه با یک تعداد مشخص از ورودی- خروجی مورد آموزش قرار می گیرد تا ارتباط بین ورودی و خروجی تعیین گردد.
پس از آموزش شبکه، شبکه قادر است برای یک سری جدید از ورودی ها که تا به حال شبکه ندیده خروجی را پیش بینی کند . یک شبکه عصبی شامل اجزای سازنده لایهها و وزنها میباشد. رفتار شبکه نیز وابسته به ارتباط بین اعضا است. در حالت کلی در شبکههای عصبی سه نوع لایه نورونی ورودی ،پنهان و خروجی وجود دارد.از آنجا که لایه ورودی معمولا به عنوان یک لایه شناخته نمی شود، شبکه می تواند به صورت تک لایه - لایه خروجی - و یا چند لایه - لایه خروجی همراه با یک یا چند لایه پنهان - باشد. شبکه های چند لایه در مقایسه با شبکه های تک لایه قادر به حل مسایل پیچیده تری هستند اما آموزش این شبکه ها دشوارتر است. در شکل 1 یک شبکه با یک لایه ورودی، یک لایه پنهان و یک لایه خروجی به صورت شماتیک مشاهده می شود.
2-2 شبکه عصبی آموزش دیده با پاسخ های سری زمانی
- شو و همکاران، - 2013 از ویژگی های آماری پاسخ دینامیکی سازه به عنوان ورودی شبکه عصبی استفاده نمودند تا آسیب را در یک مدل ساده سازی شده پل راه آهن تخمین بزنند . آنها از تغییرات واریانس و کواریانس پاسخ شتاب سازه تحت حرکت قطار به عنوان ویژگی آماری استفاده کردند. نتایج به دست آمده حاکی از آن بود که شبکه عصبی همراه با ویژگی های آماری پاسخ دینامیکی به عنوان شاخص خرابی قابلیت تشخیص خرابی را دارا می باشد - سریانتا، - 2013 طی پژوهشی ، از پاسخ های سری زمانی شتاب و جابجایی بعنوان ورودی برای شبکه عصبی برای یک پل تحت بارهای لرزه ای به کاربرد. برای شاهتیرهای پل با سه دهانه تحت بار زلزله بیان شد که پیش بینی سلامت برای پاسخ جابجایی بعنوان
