شناسایی خسارت سازه‌ها با استفاده از جداسازی کور منبع و تحلیل چند فراکتالی نوسانات روند زدایی شده

نوع مقاله : مقاله پژوهشی

نویسنده

گروه عمران، دانشگاه آزاد اسلامی واحد رودهن، رودهن، ایران

چکیده

امروزه روش‌های پایش سلامتی که بتوانند خسارت را در مراحل اولیه شناسایی کنند اهمیت زیادی پیدا کرده‌اند. برای این کار لازم است که روش‌های مذکور بتوانند خسارت‌های جزیی را شناسایی کنند. با این حال بسیاری از روش‌هایی که تاکنون برای شناسایی خسارت ‌هاسازه‌ها معرفی شده‌اند در شناسایی خسارت‌های کوچک دچار ضعف هستند. یکی از راهکارهای نیل به این هدف استفاده از رویکرد فراکتالی است. در این مقاله یک روش شناسایی خسارت بر مبنای تلفیق تحلیل چندفراکتالی نوسانات روند زدایی شده و جداسازی کور منبع ارائه شده‌است. در بخش اول، سه روش جداسازی کور منبع با یکدیگر مقایسه شده و کارامدترین آنها برای تجزیه سیگنالهای سازه‌ای انتخاب شده‌است. این روش‌های عبارتند از روش شناسایی کور مودال، روش ترکیبی و روش با استفاده از برنامه نویسی تنک.  از سه مدل سازه‌ای  برای سنجش کارایی این روش‌ها استفاده شده‌است که بازه مدل‌های عددی با درجات آزادی محدود تا سازه واقعی را شامل می شود. در بخش دوم، یک شاخص خسارت بر مبنای عرض طیف چند فراکتالی ارائه شده‌است. نتایج نشان می دهد که روش مذکور می تواند با دقت بالایی الگوهای مختلف خسارت را تشخیص داده و خسارت‌های جزیی را شناسایی کند.
 

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Damage Detection of Structures Using Blind Source Separation and Multifractal Detrend Fluctuation Analysis

نویسنده [English]

  • Ehsan Darvishan
Assistant Professor, Department of Civil Engineering, Roudehen Branch, Islamic Azad University, Roudehen, Iran
چکیده [English]

In this paper, a damage detection technique is proposed based on multifractal detrended fluctuation analysis and blind source separation. In the first stage, the accuracy of three methods of blind source separation is compared and the most efficient method in decomposing structural vibration signals is selected. These methods include blind modal identification, combined method, and sparse coding. Three structural models are employed to investigate the  of the procedures which consists of a range of numerical SDOF models with a limited degree of freedom to real structures. In the second stage, a damage index is proposed based on the width of the multifractal spectrum. Results show that the aforementioned method can identify various damage patterns and can detect slight damages.

کلیدواژه‌ها [English]

  • Structural Health Monitoring
  • Damage Detection
  • Signal Processing
  • Cross Wavelet Transform
  • Support Vector Machine
[1] H. Hurst, The Long-Term Storage Capacity of Reservoirs, Transactions of the American Society of Civil Engineers, 116,  (1951).
[2] J. Feder, Fractals, Springer Science & Business Media, 2013.
[3] C.-K. Peng, S.V. Buldyrev, S. Havlin, M. Simons, H.E. Stanley, A.L. Goldberger, Mosaic organization of DNA nucleotides, Physical review e, 49(2) (1994) 1685.
[4] J.W. Kantelhardt, S.A. Zschiegner, E. Koscielny-Bunde, S. Havlin, A. Bunde, H.E. Stanley, Multifractal detrended fluctuation analysis of nonstationary time series, Physica A: Statistical Mechanics and its Applications, 316(1-4) (2002) 87-114.
[5] P. Jurica, Multifractal analysis for all, Frontiers in physiology, 6 (2015) 27.
[6] A. Ebrahimkhanlou, A. Farhidzadeh, S. Salamone, Multifractal analysis of crack patterns in reinforced concrete shear walls, Structural Health Monitoring, 15(1) (2016) 81-92.
[7] M.Z. Mistarihi, Z.J. Kong, S.T. Bukkapatnam, A Multi-fractal Spectrum Analysis for online Structural Health Monitoring.
[8] T.-K. Lin, Y.-H. Chien, A structural health monitoring system based on multifractal detrended cross-correlation analysis, Structural Engineering and Mechanics, 63(6) (2017) 751-760.
[9] T.-K. Lin, H. Fajri, Damage detection of structures with detrended fluctuation and detrended cross-correlation analyses, Smart Materials and Structures, 26(3) (2017) 035027.
[10] H. Su, Z. Wen, F. Wang, J. Hu, Dam structural behavior identification and prediction by using variable dimension fractal model and iterated function system, Applied Soft Computing, 48 (2016) 612-620.
[11] T.-K. Lin, Y.-H. Chien, Development of a Structural Health Monitoring System Based on Multifractal Detrended Cross-Correlation Analysis.
[12] S.M. Fang, J.M. Niedzwecki, M.C. Ozbey, T.J. Cummis, A Brief Review of Structural Health Monitoring with Special Focus on Damage Detection and Sensor Optimization, Encyclopedia of Maritime and Offshore Engineering,  (2017) 1-8.
[13] S. McNeill, D. Zimmerman, A framework for blind modal identification using joint approximate diagonalization, Mechanical Systems and Signal Processing, 22(7) (2008) 1526-1548.
[14] V. Bargmann, Irreducible unitary representations of the Lorentz group, Annals of Mathematics,  (1947) 568-640.
[15] A. Belouchrani, K. Abed-Meraim, J.-F. Cardoso, E. Moulines, A blind source separation technique using second-order statistics, IEEE Transactions on signal processing, 45(2) (1997) 434-444.
[16] S. McNeill, A modal identification algorithm combining blind source separation and state space realization,  (2013).
[17] M. Aoki, Notes on economic time series analysis: system theoretic perspectives, Springer Science & Business Media, 2012.
[18] J.-F. Cardoso, A. Souloumiac, Blind beamforming for non-Gaussian signals, in:  IEE proceedings F (radar and signal processing), IET, 1993, pp. 362-370.
[19] L. Zhen, D. Peng, Z. Yi, Y. Xiang, P. Chen, Underdetermined blind source separation using sparse coding, IEEE transactions on neural networks and learning systems, 28(12) (2016) 3102-3108.
[20] E.A. Johnson, H.-F. Lam, L.S. Katafygiotis, J.L. Beck, Phase I IASC-ASCE structural health monitoring benchmark problem using simulated data, Journal of engineering mechanics, 130(1) (2004) 3-15.
[21] E. Kolkan, Analytical models of instrumented moment frame steel buildings in OpenSees, Report no., Callii orniia Geollogiicall Survey, Sacramento, CA,  (2006).