کاربرد روشهای تشخیص آماری الگو
[1]در پایش سلامت سازه به منظور یافتن تغییرات در سازه توجه زیادی را به خود جلب کرده است. در این زمینه، رویکردهای متفاوتی توسط محققان به کار گرفته میشود و موفقیت یک روش بستگی به سازه یا تغییرات بوجود آمده در سازه دارد. یکی از مسائلی که در اعمال روشهای تشخیص آماری الگو کمتر مورد توجه قرار گرفته است، متغیر بودن شرایط محیطی و کاربری در هنگام ثبت دادهها در کاربردهای عملی است. هدف از این مقاله معرفی کاربرد جدیدی از روش کاهش تصادفی
[2] (RD) در تشخیص خرابی به منظور ارتقای نتایج حاصل از تحلیل سری زمانی است. روش
RDاز طریق میانگین
گیری دادههای سری زمانی در بازههای زمانی مشخص، سری زمانی پاسخ سازه را به پاسخ ارتعاش آزاد کاهشی سازه
[3] که تنها شامل اطلاعاتی درباره ویژگیهای دینامیکی سازه است، تبدیل میکند. از مدل اتورگرسیو
- اتورگرسیو با ورودی خارجی
[4] (AR-ARX) برای برازش یک مدل ریاضی به دادههای سری زمانی پاسخ ارتعاش آزاد کاهشی سازه استفاده شده است. پس از محاسبه خطای باقی مانده مدل، معیار جدیدی به نام معیار باتاچاریا
[5] برای تعیین وجود خرابی و مکان آن به کار گرفته شده است. . با استفاده از دادههای حاصل از دو نمونه شاخص در حوزه پایش سلامت سازه به اعتبارسنجی روش ارائه شده پرداخته شده است. نتایج نشان میدهد که استفاده از روش
RD به علت میانگینگیری و نرمالسازی دادهها میتواند تاثیر تغییرات شرایط محیطی و کاربری را کاهش دهد و وضعیت سازه را به درستی تعیین کند. همچنین استفاده از معیار باتاچاریا می تواند نتایج پایش سلامت سازه را در تشخیص وجود خرابی و تعیین مکان آن بهبود بخشد.
1 Statistical Pattern Recognition
[4] Autoregressive- Autoregressive with exogenous output model
1 Statistical Pattern Recognition
[4] Autoregressive- Autoregressive with exogenous output model
نوع مقاله:
پژوهشی اصیل (کامل) |
موضوع مقاله:
مهندسی عمران و سازه دریافت: 1398/11/29 | پذیرش: 1399/7/2 | انتشار: 1399/10/10