بخشی از مقاله
چکیده
به فرآیندی که جهت دستیابی به مشخصههای یک سیستم انجام میشود، شناسایی سیستم میگویند. شناسایی سیستم در سازهها از این جهت حائز اهمیت است که بوسیلهی آن میتوان رفتار سازه را کنترل نمود و از تغییرات ایجاد شده در مشخصههای سیستم در اثر وجود خرابی آگاهی پیدا کرد. اکثر روشهای موجود در زمینه شناسایی سیستم، خصوصیات مودی سازه را شناسایی کرده و مشخصات دینامیکی سازه را ارائه نمیدهند، در حالی که برای بررسی دقیقتر و قضاوت نهایی در مورد خرابی سازه، اطلاعات کامل در مورد سختی و میرایی سازه امری ضروری است. در این تحقیقات از روش حل معکوس ماتریسی برای دستیابی به مشخصههای دینامیکی سازههای برشی استفاده شده است.
از موانع موجود در فرآیند شناسایی سیستم وجود نوفه در پاسخهای ثبت شده بوسیلهی حسگرها میباشد. بدین منظور به موازات فرآیند شناسایی سیستم، راهکار نوفهزدایی فازی در دو حالت با و بدون استفاده از الگوریتم انطباقی عصبی ارائه شده است. روش حل معکوس ماتریسی و راهکارهای نوفه زدایی فازی بر روی دو سازه برشی چهار و هشت طبقه با درصدهای نوفه 2، 5 و 10 پیادهسازی شده است و نتایج بیانگر آن است که روش ارائه شده، مناسب برای سازه چهار طبقه با هر مقدار نوفه و سازه هشت طبقه با درصد نوفه کم میباشد. همچنین استفاده از الگوریتم انطباقی عصبی میتواند ایده مناسبی برای کاهش توابع تعلق و افزایش سرعت محاسبات باشد.
-1 مقدمه
به طور کلی هر سیستم توسط سه کمیت ورودی، سیستم و خروجی تعریف میگردد. در صورتی که سیستم مورد نظر یک سازهی ساختمانی باشد، بخش سیستم با کمیتهایی نظیر جرم، میرایی و سختی سازه، تعریف میگردد. همچنین ورودی به سیستم، بارهای دینامیکی - نیروهای تصادفی مانند نیروهای ناشی از زمین لرزه - و خروجی از سیستم، پاسخهای سازه نظیر تغییرمکان میباشد . - Adhami, Khanlari & Niromand, 2012 - اگر در یک سازه، مقادیر جرم، سختی و میرایی آن که در معادلات دیفرانسیل حاکم بر حرکت سازه تحت نیروی ورودی صدق میکنند، مشخص بوده و به عبارت بهتر سیستم شناخته شده باشد، با داشتن کمیت ورودی، به راحتی میتوان معادلات مذکور را حل کرده و کمیت پاسخ سازه را به دست آورد.
اما به دلیل عدم تطبیق مدلسازی سیستم با واقعیت سازه، مقادیر سیستمی ناشناخته میباشند. به فرآیندی که جهت دستیابی به ویژگیهای دینامیکی یک سیستم، نظیر مشخصههای مودی - فرکانسها، ضرایب میرایی و مودشکلها - ماتریسهای جرم، میرایی و سختی آن انجام میشود، فرآیند "شناسایی سیستم" گفته میشود. امروزه کار شناسایی سیستم به طرق مختلفی انجام میشود. به عنوان مثال اگر خروجی سیستم توسط تبدیل فوریه از حوزهی زمان به حوزهی فرکانس برده شود، با ترسیم منحنی خروجی در حوزهی فرکانس، نقاط پیک منحنی حاصله، فرکانسهای سیستم را بدست میدهند، اما دسترسی به مقادیر فرکانس، ضریب میرایی و مودشکلهای یک سیستم، همهی اطلاعات سیستم را مشخص ننموده و برای شناسایی کامل آن باید ماتریسهای جرم، سختی و میرایی سیستم را بدست آورد.
بدین منظور یک راه حل این است که به مسئله از دیدگاه حل معکوس نگریست و توسط ماتریسهای تبدیل، ماتریسهای مشخصه سیستم را بدست آورد. اهمیت شناسایی سیستم در سازهها به این جهت است که برای تشخیص خرابیهای کم و از دیده پنهان، ناگریز باید با اندازهگیری دادههای ورودی و خروجی، از یک روش مناسب به مقادیر ماتریسهای جرم، سختی و میرایی سیستم دسترسی پیدا کرد و تغییرات ایجاد شده در آنها را مورد ارزیابی قرار داد.
از مشکلات روشهای شناسایی سیستم، خطاهای ناشی از اندازهگیری ورودی و خروجی میباشد؛ چرا که این اندازهگیریها از طریق جایگذاری حسگرهایی در نقاط مختلف سیستم صورت گرفته که مصون از خطاهای دستگاهی و محیطی ناشی از نوفهها نمیباشند. این خطاها تعادل معادلات حرکت سیستم را برهم زده و مانع از حل صحیح و رسیدن به جوابهای دقیق ماتریسهای مشخصهی سیستم میشوند. آن بخش از خطاهای اندازهگیری که مربوط به اثر نوفه بر ورودی - نیرو - میباشد، بر شناسایی ماتریسهای مشخصه سیستم اثر چندانی نداشته و بیشتر بر پاسخ سیستم اثرگذار هستند؛ اما خطاهای ناشی از تأثیر نوفه بر اندازهگیری خروجی، به شدت بر فرآیند شناسایی اثر گذاشته، بطوری که بدون کاهش این خطاها، شناسایی صحیح سیستم ناممکن میگردد . - Adhami, Ghafory-
از آنجایی که بحث مربوط به نوفهزداییذاتاً یک چالش شناسایی نمیباشد، در اغلب روشهای موجود شناسایی سیستم به روشهای رایج در پردازش سیگنالی منوط میگردد؛ رویکرد غالب در این روشها استفاده از دادههای اندازهگیری فیلتر شده در حوزهی فرکانسی است، این انتقاد به این راهکار وارد است که فیلتراسیون در حوزهی فرکانسی، گرچه به صافسازی دادههای اندازهگیری شده میانجامد، ولی در عین حال به محتوای فرکانسی آنها لطمه زده و از این جهت فرآیند شناسایی را دچار خدشه خواهد کرد. بنابراین راهکار نوفهزدایی باید در تناسب ماهوی با روش شناسایی سیستم بوده و ترجیحاً در حوزهی زمانی صورت پذیرد. در این تحقیقات نوفهزدایی با استفاده از فازی و غیرفازی کردن سیگنال و در دو حالت با و بدون استفاده از الگوریتم انطباقی عصبی انجام میشود. این روش نوفه زدایی در حوزه زمانی بوده و هیچگونه آسیبی به محتوای فرکانسی وارد نمیکند.
-2-2 نوفه زدایی به روش فازی
در این تحقیقات، نوفهزدایی با استفاده از سیستم فازی و به دو روش با و بدون استفاده از الگوریتم انطباقی عصبی انجام میپذیرد. پارامتر تحت ارزیابی، در روش بدون استفاده از الگوریتم انطباقی عصبی، انحراف معیار توابع تعلق و در روش با استفاده از الگوریتم انطباقی عصبی تعداد توابع تعلق است. هردو روش نوفهزدایی فازی در حوزه زمان بوده و از مزایای آن نسبت به روشهای دیگر این است که به محتوای فرکانسی آسیب وارد نمیکند. علت استفاده از الگوریتم انطباقی عصبی در راستای کاهش توابع تعلق و افزایش سرعت محاسبات میباشد.
الف - نوفه زدایی با استفاده از سیستم فازی بدون الگوریتم انطباقی عصبی
در این روش، با استفاده از فازی کردن و غیرفازی کردن سیگنال آغشته به نوفه، نوفهزدایی انجام میگیرد و به ازای هر گام زمانی یک تابع تعلق مطابق شکل1 تعریف میگردد. ورودی سیستم فازی موردنظر زمان و خروجی آن مقادیر شتاب، سرعت و تغییر مکان بصورت اعداد ثابت میباشد. توابع تعلق تعریف شده در این تحقیقات به صورت گوسین بوده و مرکز آنها در گامهای زمانی مختلف است. مطابق شکل2 تعلق در مرکز بیشترین مقدار، یعنی 1 بوده و با دور شدن از مرکز میزان تعلق کاهش خواهد یافت. در این تحقیقات پارامتر انحراف معیار هر تابع تعلق، مورد بررسی و تحقیق است؛ به عبارت دیگر درمییابیم در چه میزان انحراف معیار برای توابع تعلق گوسین بهترین نوفه زدایی از سیگنال انجام میشود. رابطه5 بیانگر تابع ریاضی توابع تعلق گوسین میباشد.
