دوره 22، شماره 1 - ( 1401 )                   جلد 22 شماره 1 صفحات 159-143 | برگشت به فهرست نسخه ها

XML English Abstract Print

Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Ghaderi P, abdolmaleki A. A novel unsupervised deep neural network based method for damage detection in civil structures. MCEJ 2022; 22 (1) :143-159
URL: http://mcej.modares.ac.ir/article-16-52478-fa.html
قادری دکتر پدرام، عبدالمالکی امین. روشی نوین مبتنی بر شبکه عصبی بدون بازرس عمیق جهت شناسایی آسیب های کلی و موضعی سازه های عمرانی. مهندسی عمران مدرس. 1401; 22 (1) :143-159

URL: http://mcej.modares.ac.ir/article-16-52478-fa.html

روشی نوین مبتنی بر شبکه عصبی بدون بازرس عمیق جهت شناسایی آسیب های کلی و موضعی سازه های عمرانی
دکتر پدرام قادری* 1، امین عبدالمالکی2
1- دانشگاه علم و صنعت ایران ، p_ghaderi@iust.ac.ir
2- دانشگاه علم و صنعت ایران
چکیده:   (871 مشاهده)
     سازه های مهندسی عمران به دلیل قرار گرفتن در معرض شرایط جوی و بارگذاری های مختلف در طول عمر خود ممکن است دچار آسیب های گوناگون شوند به همین دلیل پایش سلامت سازه همواره جز مسائل مورد توجه مهندسین عمران بوده است. در این مقاله یک روش نوین جهت شناسایی آسیب های موضعی و کلی سازه های عمرانی با استفاده از شبکه عصبی بدون بازرس عمیق ارائه می شود. در این روش ابتدا سازه بدون آسیب تحت اثر بارهای محیطی قرار می گیرد. پاسخ های سازه تحت اثر بارهای محیطی به قطعات کوچکتری تقسیم بندی می شوند و با استفاده از تبدیل فوریه گسسته به حوزه فرکانس منتقل می شوند. یک شبکه عصبی بدون بازرس عمیق که از چند لایه ماشین بولتزمن مجزا تشکیل شده است با استفاده از پاسخ های سازه بدون آسیب آموزش داده می شود. شبکه عصبی بدون بازرس عمیق پس از آموزش قادر به شناسایی ویژگی های معنادار موجود در پاسخ های سازه است. در مرحله بعد سازه در وضعیت نامشخص از نظر سلامت مورد بررسی قرار می گیرد. پاسخ های سازه در وضعیت مجهول در برابر بارهای محیطی جمع آوری شده و با استفاده از شبکه عصبی که قبلا آموزش دیده، ویژگی های موجود در داده های جدید استخراج می شوند. این عمل می تواند به صورت جداگانه برای هر یک از بخش های مورد نظر در سازه انجام شود. با استفاده از ویژگی های استخراج شده از سازه ی سالم و سازه در وضعیت مجهول از نظر سلامت سازه، شاخص سلامت برای هر یک از بخش های مورد بررسی سازه محاسبه می شود. با توجه به ویژگی های استخراج شده در حالت سالم و مجهول سازه، وجود و شدت آسیب های احتمالی شناسایی می شوند. یکی از مزیت های روش ارائه شده عدم نیاز به مدلسازی آسیب ها برای آموزش شبکه عصبی است و فقط پاسخ های سازه سالم برای آموزش شبکه عصبی استفاده می شود. جهت بررسی روش پیشنهادی یک ساختمان بلند مرتبه مدلسازی شده و شاخص های سلامت برای هر یک از قسمت های سازه محاسبه شده است. شاخص های سلامت محاسبه شده برای ساختمان مورد بررسی دارای دقت قابل قبولی هستند و دقت روش پیشنهادی تقریبا ۹۵ درصد می باشد همچنین آسیب های موجود و شدت آنها با دقت مناسبی شناسایی شده اند.
واژه‌های کلیدی: پایش سلامت سازه، یادگیری عمیق، شبکه عصبی بدون بازرس عمیق، استخراج ویژگی
متن کامل [PDF 560 kb]   (669 دریافت)    
نوع مقاله: پژوهشی اصیل (کامل) | موضوع مقاله: زلزله
دریافت: 1400/2/22 | پذیرش: 1400/8/7 | انتشار: 1401/11/10
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.