بررسي عملكرد الگوريتم ژنتيك فازي و شبكه عصبي در بهينه‌سازي سيستم پايش سلامت سازه‌اي پل

Evaluation of Fuzzy Genetic Algorithm and Neural Network In optimization of Bridge Structural Health Monitoring System

پاسخ ديناميكي سازه ­ها در اثر آسيب ­هاي وارده تغيير كرده و اين امر يكي از روش ­هاي تشخيص عيوب سازه ­اي مي­ باشد. به اين ترتيب امكان تعيين محل و شدت آسيب فراهم مي­ شود. در اين تحقيق مسأله پايش سلامت سازه ­اي پل بر اساس پارامترهاي مودال به صورت يك مسأله بهينه ­سازي با استفاده از دو روش ژنتيك فازي (مبتني بر فركانس) و شبكه عصبي (مبتني بر انرژي كرنشي مودال) مطرح مي ­گردد و كارايي اين دو روش در تعيين موقعيت و تشخيص شدت خرابي ارزيابي مي­ شود. براي مطالعه تشخيص خرابي، مدل­ عددي پل كروچيلد به وسيله مشخصات ديناميكي آن­ شبيه سازي شده و براي تشخيص سناريوهاي مختلف خرابي استفاده شده است. در روش اول فركانس طبيعي و در روش دوم انرژي كرنشي مودال به عنوان پارامتر حساس به خرابي انتخاب شده است. استفاده از مدل­ هاي ساده شده در مطالعۀ رفتار پل­ ها به دليل سادگي و دقت قابل قبولي كه دارند بسيار مرسوم است. نتايج اين تحقيق نشان مي­دهد با مدل ساده شدۀ پل و بكارگيري سيستم فازي مي­توان با حجم محاسبات و پيچيدگي كمتر به دقت قابل قبولي جهت شناسايي خرابي دست يافت. عدم قطعيت موجود در اندازه ­گيري­ هاي تجربي و فرآيند مدل­ سازي از طريق نويز اضافه شده به داده ­ها، شبيه سازي شده است. نتايج نشان مي­ دهد در صورت وجود 20 درصد نويز در اطلاعات ورودي، سيستم فازي با دقت قابل قبولي مي­تواند حدود خرابي را مشخص كند. مقايسه نتايج دو روش تشخيص خرابي بكار گرفته شده نشان مي ­دهد، سيستم فازي در برابر عدم قطعيت­ هاي موجود حساسيت كمتري دارد.

Structural damage detection is based on that the dynamic response of structure will change because of damage. Hence, it is possible to estimate the location and severity of damage before and after the damage. In this study, damage detection issue based on modal parameters for an optimization problem using neural network and fuzzy genetic system offered and the effectiveness of these two methods in detecting the location and also the severity of the damage is assessed. For studying damage detection, the numerical model of the Crowchild bridge is made by its dynamic characteristics and has been used for various damage scenario detection. In the first method, the natural frequency, and in the second method, modal strain energy is selected as a damage indicator. Using simplified models to study the behavior of bridges due to their simplicity and acceptable accuracy is very common. The results show that the Genetic Fuzzy System can be more successful when a simplified model is used. Comparing the results of two failure detection methods shows that the fuzzy system is less sensitive to existing uncertainties.