شناسایی آسیب در شاه تیرهای بتنی عرشه پل ها با استفاده از توزیع زمان-فرکانس مربعی و شبکه عصبی

نوع مقاله : مقاله پژوهشی

نویسندگان

1 عضو هیأت علمی دانشگاه مراغه

2 دانشگاه آزاد اسلامی واحد تهران شمال

چکیده

شناسایی آسیب در سازه ها به ویژه در چند سال اخیر به شدت مورد توجه قرار گرفته است. در این پژوهش روش جدیدی برای شناسایی آسیب در شاهتیرهای بتنی عرشه پلها ارائه گردیده است. سهولت کاربرد، دقت بالا و کاهش هزینه‌های پایش از پیش فرضهای در نظر گرفته شده برای ارائه روش جدید بوده ‌است. در این تحقیق با بهره گیری از ابزارهای پردازش سیگنال و هوش مصنوعی ، ویژگی های حساس به خسارت به گونه ای استخراج شده‌اند که وجود آسیب، شدت و محل آن تنها با استفاده از سیگنال های پاسخ ارتعاش دریافتی از یک حسگر با دقت بسیار بالا و در حدود 99 درصد و درصد خطای کمتر از 1 تعیین گردند. بر اساس روش ارائه شده ابتدا با استفاده از تابع زمان – فرکانس مربعی، سیگنالهای پاسخ دریافتی از سازه با سناریو های مختلف که در حالات سالم و دارای آسیب با درصدهای متفاوت، مورد پردازش واقع شده، سپس با استفاده از این داده ها به عنوان ورودی به شبکه ی عصبی و تعیین خروجی های متناسب نسبت به آن، شبکه ی مورد نظر آموزش داده شده است. به منظور ارزیابی، صحت سنجی و اطمینان از عملکرد روش پیشنهادی، از مدل عددی تیر بتنی و همچنین مدل عددی پل شهید مدنی تبریز در حالت های عادی و نوفه دار استفاده شده است. نتایج محاسبات بیانگر دقت تشخیص بالای این روش و کمترین میزان خطا در تعیین میزان سلامت سازه و همچنین شناسایی موقعیت المان آسیب دیده می باشد.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Identifying Damages in girders of Bridges Using Square Time-Frequency Distribution and Neural Network

نویسندگان [English]

  • Hamid Reza Ahmadi 1
  • Ali Mahdi Allahyari 2
  • Hassan Mahdi Allahyari 2
1 Department of Civil Eng.- University of Maragheh
2 Tehran North Branch, Islamic Azad University
چکیده [English]

Damage detection in structures has received much attention, especially in recent years. Due to the importance of bridges, the identification of damage in this type of structure is very significant. In this research, a new method for identifying damage in concrete girders of bridge decks is presented. Ease of use, high accuracy, and reduction of monitoring costs have been considered defaults for presenting the new method. In this research, using signal processing tools and artificial intelligence, damage-sensitive features have been extracted in such a way that the damage with its severity and location is determined with very high accuracy (about 99%) and error percentage less than 1. In fact, damage can be detected with such accuracy only by using vibration response signals received from a sensor. According to the proposed method, the response signals received from the structure in healthy and damaged conditions are processed using the time-frequency function. Then the processing results are defined as inputs to the neural network, and the appropriate outputs are determined. In other words, the neural network is trained. To evaluate, validate and ensure the performance of the method, the numerical model of concrete beams and the numerical model of Shahid Madani Bridge in Tabriz in normal and noisy conditions have been used. The results of the calculations show the high diagnostic accuracy of this method and the least amount of error in determining the health of the structure as well as identifying the location of the damaged element.

کلیدواژه‌ها [English]

  • damage detection
  • Neural Network
  • Square Time-Frequency Distribution
  • Concrete Girder
  • Bridge