پايش سلامت سازه ها مبتني بر روش هاي احتمالاتي با استفاده از مدل جايگزين ماشين بردار پشتيبان حداقل مربعات موجكي

امروزه استفاده از الگوريتم هاي مبتني بر هوش مصنوعي در زمينه عيب يابي سازه ها مورد توجه بسياري از محققين قرار گرفته است. در بيشتر تحقيقات صورت گرفته داده هاي ناشي از سنسورها بدون نويز مد نظر قرار گرفته است، درحاليكه در واقعيت هميشه عدم قطعيت هايي ناشي از شرايط محيطي و تجهيزات اندازه گيري وجود دارد. از اينرو در اين تحقيق، جهت تشخيص خرابي ها در سيستم هاي سازه اي به هنگام وجود عدم قطعيت در داده ها، از يك روش مبتني بر مدل جايگزين (Surrogate Model) استفاده شده است. بدين منظور روشي تركيبي ميتني بر شبيه سازي مونت كارلو و الگوريتم ماشين بردار پشتيبان حداقل مربعات (Least Square Support Vector Machine) پيشنهاد شده است. به منظور افزايش دقت مدل جايگزين پيشنهادي از كرنل موجكي استفاده ميشود. عملكرد روش پيشنهادي براي عيب يابي سازه ها با مثال هاي عددي مورد بررسي قرار گرفته و نتايج بيانگر كارايي و دقت مطلوب روش پيشنهادي مي باشد.