ارزيابي تأثير نوفه در دقت تشخيص آسيب بر مبناي شناسايي مشخصه‌هاي در سازه‌هاي فولادي تحت بار محيطي با استفاده از الگوريتم شبكه عصبي

در روش هاي شناسايي آسيب مبتني بر پردازش سيگنال، نوفه در هنگام برداشت اطلاعات باعث به وجود آمدن خطاي زيادي در امر شناسايي آسيب مي‌گردد. لذا هدف از اين تحقيق بررسي تاثير نوفه بر دقت شناسايي سيستم سازه‌اي و تشخيص خرابي است كه در اين راستا از روش محاسبات ديناميكي و مدل رياضي استفاده‌شده است.در اين تحقيق از دو شاخص وابسته به زمان و فركانس، كه تعريف آن‌ها بر اساس خصوصيات خاص طيفي است، به‌عنوان تابع احتمال استفاده مي‌شوند. ازآنجاكه آسيب باعث تغيير در مشخصات ديناميكي (فركانس‌هاي طبيعي و مود شكل‌ها) يك ساز مي‌شود، مقايسه بين سازه آسيب‌ديده و سالم باعث مي‌شود تا مكان و شدت خسارت شناسايي شود. براي نشان دادن اثربخشي رويكرد پيشنهادي، سه سازه مورد بررسي قرار گرفته است. با تمركز بر مسئله ارزيابي ديناميكي، روشي براي شناسايي سيستم‌هاي سازه‌اي با استفاده از شبكه‌هاي عصبي مصنوعي و چگالي طيف توان ارائه‌شده است. الگوريتم مورد استفاده براي آموزش داده ها الگوريتم لونبرگ- ماكارد است. روش پيشنهادي روش حساس به بارهاي محيطي است و شرايط وجود نوفه در پاسخ ورودي و همچنين نتايج خروجي مورد بررسي قرار گرفته است. براي اين موضوع سه نوفه 1، 2 و 5 درصد به پاسخ هاي ورودي و خروجي اعمال مي شود و نتايج مورد ارزيابي قرار مي گيرد. طبق نتايج معيار چهارم كه برحسب حوزه فركانس است توانايي بيشتري در شناسايي آسيب در سازه را در شرايط وجود نوفه دارد.