تشخيص آسيب در قاب فولادي با استفاده از شبكه عصبي غير احتمالاتي و در نظرگرفتن عدم قطعيت ها

امروزه يكي از موضوعات مهم در تحقيقات سازه اي ، موضوع پايش سلامت سازه است كه مسائلي همچون تشخيص آسيب و ايمني سازه را تحت الشعاع قرار مي دهد. اخيرا مدل‌هاي شبكه‌ي عصبي مصنوعي به طور گسترده‌اي براي مدل‌سازي روابط پيچيده غيرخطي استفاده گرديده است. از آن جا كه انواع شبكه عصبي در ايجاد رابطه ي غيرخطي بين پارامترهاي ارتعاش (فركانس و شكل مودي) با پارامترهاي آسيب، عملكرد موفقي داشتند؛ در اين مطالعه از يك شبكه عصبي پرسپترون به منظور شبيه سازي آسيب در يك قاب فولادي استفاده شده است. با اين حال به دلايلي همچون خطاي كاليبراسيون و اندازه گيري داده ها، نتايج و پارامترهاي مدل با نوعي عدم قطعيت همراه است. در اين مطالعه به منظور در نظر گرفتن عدم قطعيت ها در مدل تشخيص آسيب از يك شبكه عصبي غير احتمالاتي استفاده مي شود. داده هاي ورودي ، فركانس طبيعي و شكل مودي و خروجي آن مدول يانگ است كه در نقش پارامتر سختي المان (ESP) عمل مي كند. براي ساخت يك مدل غير احتمالاتي بايد در داده هاي ورودي، نويز در نظر گرفته شود. به منظور ايجاد داده هاي نويزي از روش تحليل فاصله استفاده مي شود. در اين روش يك باند بالا و پايين براي ESP به دست مي آيد و به اين ترتيب شبكه عصبي براي پيش بيني باند بالا و پايينِ ESP با در نظر گرفتن عدم قطعيت ها در داده هاي ورودي اجرا مي شود. ارزيابي روش مذكور با معيارهاي احتمال وجود آسيب (PODE)، فاكتور كاهش سختي (SRF) انجام مي شود. نتايج نشان مي دهد كه روش پيشنهادي در تشخيص آسيب سازه با داده هاي نويزي عملكرد موفقي دارد. هم چنين استفاده از نويز در داده-ها در مقايسه با شبكه عصبي احتمالاتي باعث بالا رفتن دقت مدل سازي مي شود.