پايش سلامت سازه ها با استفاده از مدل جايگزين مبتني بر مدهاي متعامد ويژه

در اين پژوهش، يك رويكرد دو مرحله اي جديد جهت تشخيص آسيب سازه اي با استفاده از روش آناليز حساسيت و شبكه عصبي پس انتشار با ساختار (CFNN) Cascade Correlation پيشنهاد شده است. در مرحله اول، روش آناليز حساسيت جهت تعيين موقعيت خرابي مورد استفاده قرار مي گيرد . به منظور كاهش همزمان حجم محاسبات و خطاي تشخيص آسيب، حجم و ابعاد داده هاي حاصله از سنسورها بايد به صورتي موثر كاهش يابد. در اين مقاله، براي به دست آوردن اطلاعات مفيد مودال از سنسورها و كاهش ابعاد داده هاي ورودي جهت عيب يابي، روش تجزيه متعامد ويژه (Proper Orthogonal Decomposition) مورد استفاده قرار گرفته است. پس از تعيين المانهاي محتمل خرابي، شدت آسيب براساس تغييرات بوجود آمده در مودهاي متعامد ويژه (Proper Orthogonal Modes) حاصله از پاسخ ارتعاشي سازه (در حوزه زمان) بدست مي آيد، كه به عنوان مقادير ورودي، به CFNN داده مي شود. مقادير خروجي CFNN، شدت آسيب المانهاي خراب خواهد بود. به منظور ارزيابي عملكرد روش پيشنهادي، مثالي عددي حل شده و نتايج نشاندهندهي كارايي و دقت مطلوب روش پيشنهادي مي باشد