كاربرد شبكه هاي عصبي مصنوعي در شناسايي و طبقه بندي عيوب سازه هاي ورقي كامپوزيتي با استفاده از امواج فراصوت هدايت شده

بهره‌گيري از روش هاي مبتني بر هوش مصنوعي براي كاهش نقش تفاسير انساني در تحليل دا‌ده‌ها و اخذ نتايج مناسب، همراستا با افزايش سرعت، كاهش خطا و تعديل هزينه ها در فرآيندهاي ارزيابي غيرمخرب و پايش سلامت سازه‌ها مورد توجه جدي محققان قرار گرفته است. در اين پژوهش، طراحي و اجراي يك سامانه پايش سلامت سازه‌اي مبتني بر پردازش هوشمند سيگنال امواج فراصوت هدايت شده به منظور شناسايي و دسته‌بندي سه نوع خرابي متداول در سازه‌هاي كامپوزيتي ورقي انجام پذيرفته است. با ايجاد سه نوع خرابي شامل تورق، شكاف و سوراخ در يك ورق كامپوزيتي چند لايه از جنس پليمر تقويت شده با الياف شيشه و تقسيم آن به چهار ناحيه مختلف، نسبت به تعبيه 9 مبدل پيزوالكتريك با نقش دوگانه محرك و سنسور و با آرايش شبكه‌اي اقدام شده و سيگنالهاي امواج منتشر شده در هر چهار ناحيه مذكور در قالب 12 مسير در سه راستاي مختلف و 240 سيگنال ذخيره گرديد. در مرحله بعد، استخراج ويژگي از سيگنال‌ها با روشهاي پيشرفته پردازش سيگنال نظير تبديل موجك انجام پذيرفته و داده‌هاي حاصل، براي آموزش يك شبكه عصبي پرسپترون چند لايه از نوع پيشرونده با روش پس‌انتشار خطا مورد استفاده قرار گرفت. نتايج حاصل نشان مي‌دهد، الگوريتم شبكه عصبي طراحي شده و آموزش ديده در اين تحقيق، قادر به ايجاد تمايز ميان نواحي سالم سازه از نواحي معيوب بوده و علاوه بر آن موفق به دسته‌بندي انواع خرابي‌هاي موجود در سازه با بازدهي قابل قبول (ميانگين حدود 80%) شده كه قابليت تعميم به شرايط و پيكربندي‌هاي مختلف و حالت‌هاي نامعلوم را دارد.