تشخیص آسیب در سازه بر اساس الگوریتم هوشمند مبتنی بر شبکه عصبی همگشتی

در چند سال گذشته، الگوریتم های هوشمند تشخیص آسیب ساختاری بر اساس تکنیک های یادگیری ماشینی، توسعه یافته و به دلیل تجزیه وتحلیل قابل اعتماد و کارایی بالا مورد توجه جهانی قرار گرفته است. با این حال، عملکرد روش های شناسایی آسیب مبتنی بر یادگیری ماشینیبه شدت وابسته به اثر انتخاب شده از سیگنال های خام است. این امر باعث میشود که روش شناسایی آسیب، در موارد دیگر عملکرد مشابهی راارائه ندهد. علاوه بر این، استخراج ویژگی ها یک کار وقتگیر است که ممکن است بر عملکرد زمان واقعی در برنامه های کاربردی تاثیر بگذارد.برای مقابله با این مشکلات، این مقاله یک روش جدید مبتنی بر شبکه های عصبی همگشتی را برای شناسایی آسیب های سازه ای ساختمان مجهزبه دستگاه های کنترل هوشمند پیشنهاد می کند. این شبکه عصبی پیشنهادی قادر به استخراج خودکار ویژگی های طبقات بالا از سیگنال هایخام یا ویژگی های طبقات پایین است. برای ارزیابی عملکرد روش شبکه عصبی همگشتی پیشنهادی، یک مدل عددی معمولی از یک ساختمانبا سناریوی آسیب به منظور شناسایی آسیب برای کد توسعه یافته ASAP با یک سازه مشابه در نرم افزار اجزای محدود TMAbaqus شبیه سازیشده و فرکانس های طبیعی سازه مورد بررسی قرار گرفته است. نتیجه نشان می دهد که روش پیشنهادی شبکه های عصبی همگشتی عمیقمی تواند با دقت مناسبی درستی مقادیر مودهای نوسانی سازه را پیش بینی نماید.