کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
7120374 1461458 2018 23 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Applications of neural network models for structural health monitoring based on derived modal properties
ترجمه فارسی عنوان
استفاده از مدل شبکه های عصبی برای نظارت بر سلامت سازمانی بر اساس خواص مودال مشتق شده
کلمات کلیدی
شبکه های عصبی مصنوعی، نظارت بر سلامت سازمانی، شناسایی زیرمجموعه تصادفی، محل آسیب،
ترجمه چکیده
نظارت بر سلامت سازمانی برای تفسیر ساختارهای آسیب دیده از نظر مکان و شدت، حتی عملکرد باقی مانده از اعضای آسیب دیده ضروری است. بنابراین، این مطالعه یک استراتژی جدید نظارت بر سلامت ساختاری مبتنی بر هوش مصنوعی جدید مبتنی بر مدل سازی عصبی را پیشنهاد می دهد. مدل شبکه عصبی مطابق با یک مدل عددی است که از خواص مودال مشخص شده در لرزش های محیطی حاصل می شود. برای شناسایی فرکانس های طبیعی و شکل های یک ساختار سالم، ابتدا شناسایی سیستم فضایی تصادفی انجام می شود. سپس این فرکانس های طبیعی و شکلهای حالت برای استخراج یک مدل ساده از این ساختار به کار می رود و اجازه می دهد تغییر شرایط سخت برای ایجاد الگوهای مختلف آسیب. مدل شبکه عصبی آموزش داده شده و ساخته شده توسط خواص مودال ساختار با این الگوهای آسیب دیده است. پس از رخداد بحرانی (به عنوان مثال، زمین لرزه)، این مدل شبکه عصبی را می توان برای تخمین الگوهای آسیب با توجه به کاهش سختی استفاده کرد. در این مطالعه، یک مثال عددی متشکل از دو سناریو آسیب دیده انجام می شود. در این مثال یک ساختمان هفت طبقه با ستون های تک و چند آسیب دیده به منظور ارزیابی عملکرد استراتژی نظارت بر مراقبت های بهداشتی پیشنهاد شده مورد بررسی قرار می گیرد. علاوه بر این، استراتژی نظارت بر نظارت بر ساختار پیشنهادی نیز برای آزمایش آزمایشی یک ساختمان برج دوقلو مسطح با ضخامت کم در برخی از طبقه ها اعمال می شود. خصوصیات مودال ساختاری از شناسایی سیستم زیر فضای تصادفی بدست می آید، در حالی که یک مدل ساده بر اساس خواص مودال ساختمان سالم ایجاد شده است. سپس یک مدل شبکه عصبی بر اساس این مدل ساده ایجاد شده است. پس از وقایع لرزه ای، این مدل شبکه عصبی برای شناسایی آسیب این ساختمان از لحاظ مکان و سطح آسیب پذیری استفاده می شود. در نتیجه، استراتژی نظارت بر سلامت ساختاری مبتنی بر هوش مصنوعی پیشنهادی بسیار موثر است برای تعیین صدمه در صورتی که خواص مودال نسبتا دقیق باشد.
موضوعات مرتبط
مهندسی و علوم پایه سایر رشته های مهندسی کنترل و سیستم های مهندسی
پیش نمایش مقاله
استفاده از مدل شبکه های عصبی برای نظارت بر سلامت سازمانی بر اساس خواص مودال مشتق شده
چکیده انگلیسی
Structural health monitoring is required to interpret damaged structures in terms of locations and severity, even remaining performance of the damaged members. Therefore, this study proposes a new artificial intelligence-based structural health monitoring strategy based on neural network modeling. A neural network model is developed in accordance with a numerical model which is derived from the identified modal properties under ambient vibrations. The stochastic subspace system identification is first implemented to derive the natural frequencies and mode shapes of a healthy structure. These natural frequencies and mode shapes are then employed to derive a simplified model of this structure, allowing changing stiffness terms to construct various damage patterns. A neural network model is trained and built by the modal properties of the structure with these damage patterns. After a critical event occurs (e.g., earthquakes), this neural network model can be employed to estimate the damage patterns in terms of stiffness reduction. In this study, a numerical example consisting of two damage scenarios is carried out. This example studies a seven-story building with a single and multiple damaged columns in order to evaluate performance of the proposed structural health monitoring strategy. Moreover, the proposed structural health monitoring strategy is also applied to an experimental test of a scaled twin-tower building with weak braces in some floors. Partially modal properties of the structure are obtained from the stochastic subspace system identification, while a simplified model is developed in accordance to the identified modal properties of the healthy building. Then, a neural network model is established based on this simplified model. After seismic events, this neural network model is employed to carry damage detection of this building in terms of damage locations and levels. As a result, the proposed artificial intelligence-based structural health monitoring strategy is quite effective to locate damage if the identified modal properties are relatively accurate.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Measurement - Volume 129, December 2018, Pages 457-470
نویسندگان
, , ,