مكان يابي آسيب سازهاي از طريق سيگنالهاي ارتعاش به وسيله يك الگوريتم يادگيري عميق بدون نظارت

سازههاي عمراني در طول عمر بهرهبرداري خود به دليل قرار داشتن در معرض خطرات طبيعي و عوامل محيطي متعددي، مستعد آسيب و زوال قابل توجهي هستند كه ميتواند منجر به كاهش عمر طراحي سازه و شكست ناگهاني شود. بنابراين، ارزيابي مستمر شرايط سازههاي عمراني با استفاده از يك سيستم پايش سلامت سازهاي از اهميت زيادي برخوردار است. بر اين اساس، در اين پژوهش الگوريتم جديدي ارائه شده است كه قادر است به صورت خودكار از طريق پاسخهاي ارتعاش سازه كه توسط حسگرهاي شتابسنج متصل بر روي سازه اندازهگيري شده است، محل حدودي آسيب را شناسايي كند. در هسته مركزي الگوريتم پيشنهادي يك روش يادگيري عميق بدون نظارت به نام شبكه خودرمزنگار مبتني بر حافظه طولاني كوتاه- مدت ) LSTM-AE ( قرار دارد كه در اين پژوهش با اضافه كردن روشي به نام DSF به شبكه LSTM-AE براي كميسازي اختلاف بين توابع چگالي احتمال به منظور مكانيابي آسيب در سازههاي عمراني توسعه داده شده است. كارآمدي الگوريتم پيشنهادي بر روي يك سازه ساختماني سه طبقه كه توسط آزمايشگاه ملي لوسآلاموس آمريكا طراحي و ساخته شده است مورد ارزيابي قرار گرفت كه نتايج بدست آمده نشان دادند كه اين الگوريتم ميتواند با دقت بالايي مكان آسيب را شناسايي كند.