دوره 21، شماره 6 - ( 1400 )                   جلد 21 شماره 6 صفحات 141-139 | برگشت به فهرست نسخه ها


XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Granmayeh A, HOMAMI P, Hosseini Lavassani S H. Laboratory evaluation of suspension bridge health based on intelligent close-range photogrammetry. MCEJ 2021; 21 (6) :139-141
URL: http://mcej.modares.ac.ir/article-16-50992-fa.html
گرانمایه ارسلان، همامی پیمان، حسینی لواسانی سید حسین. ارزیابی آزمایشگاهی سلامت پل معلق براساس فتوگرامتری برد کوتاه هوشمند. مهندسی عمران مدرس. 1400; 21 (6) :139-141

URL: http://mcej.modares.ac.ir/article-16-50992-fa.html


1- دانشگاه خوارزمی
2- دانشگاه خوارزمی ، homami@khu.ac.ir
چکیده:   (1325 مشاهده)
در دهه‌های اخیر علم پایش‌سلامت‌سازه نقش اساسی در پیش­گیری از خرابی و افزایش طول ‌عمر سازه‌ها ایفا کرده است. استفاده ‌از ابزار‌هایی برای انجام رفتارسنجی مطلوبست که دقت کافی را همراه با هزینه‌ی کم تحقق بخشند. برای پردازش داده­های بدست آمده از رفتارسنجی به روش‌هایی نیاز است که قادر باشند سطوح مختلف آسیب را از اطلاعات موجود شناسایی و به‌درستی عیب‌یابی کنند.
رفتارسنجی اپتیکی و عملیات فتوگرامتری بردکوتاه بدلیل هزینه کم و دقت مناسب، اخیراً مورد توجه قرار گرفته اند در این مقاله تلاش شده است تا کاربرد روش مذکور در ترکیب با روش تحلیل استقرایی (با ابزارهای مقایسه و یادگیری ماشین) برای رفتارسنجی و عیب­یابی ماکت آزمایشگاهی سازه­ی یک پل معلق که دارای رفتار نسبتاً پیچیده­ای است مورد ارزیابی قرار گیرد. به این منظور، سازه­ی پل مورد نظر تحت سه تراز بارگذاری استاتیکی در سه حالت سالم و آسیب‌ دیده در عرشه و کابل­ها مورد رفتارسنجی قرار گرفت. آسیب­ها کاملاً آگاهانه در مدل آزمایشگاهی ایجاد شدند و از اطلاعات حاصل، پایگاه‌داده‌ای از رفتار پل در حالات گوناگون ایجاد شد. به‌منظور امکان سنجی استفاده از روش­های مختلف در پردازش داده­ها و عیب­یابی، ابتدا داده‌های موجود در پایگاه، در روش­ خطی ساده (مقایسه مستقیم) و آموزش در الگوریتم­های روش­های یادگیری‌ماشین، مورد استفاده قرار گرفتند. پس از آن، مجدداً آسیب­های آگاهانه­ای در سازه­ی آزمایشگاهی  ایجاد شد تا امکان آزمون کارآیی و دقت روش­های مختلف فراهم شود. در انتها، دقت، صحت و پایداری روش­های پردازش داده ماشین ‌بردار‌پشتیبان و شبکه‌عصبی‌مصنوعی با یکدیگر مقایسه‌ شدند.
نتایج نشان داد که با توجیه به باندل اجسمنت رفتارسنجی دو بعدی اپتیکی فتوگرامتری بردکوتاه، می­توان به دقت تضمین ‌شده‌ی  mm0021/0 ‌ دست یافت.‌‌‌‌‌‌‌‌‌ در سطح نخست پردازش داده­ها یعنی تشخیص وجود آسیب یا عدم‌ وجود آن موفقیت شبکه‌های عصبی بطور کامل و با دقت 100% همراه بود و در سطح دوم یعنی تشخیص منطقه‌ی آسیب دیده، شبکه‌عصبی با تابع انتقال تانژانت‌هایپربولیک 93% موفقیت داشت و ماشین‌ بردارپشتیبان با موفقیت 68% همراه ‌بود.
متن کامل [PDF 1213 kb]   (1135 دریافت)    
نوع مقاله: پژوهشی اصیل (کامل) | موضوع مقاله: مهندسی عمران و سازه
دریافت: 1399/12/26 | پذیرش: 1400/4/9 | انتشار: 1400/9/10

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.