مروری بر شناسایی آسیب و ترک در سازه ها با استفاده از الگوریتم ها و شبکه های عصبی مصنوعی

نظارت بر آسیب های سازه ای، برای حفظ عمر مفید سازه های عمرانی بسیار مهم است. روش های نظارت بسیاری برای ارائه ابزار های عملی برای هشدار اولیه در برابر آسیب های سازه ای یا هر نوع نا هنجاری ایجاد شده اند. لذا روش نظارت بر سلامت سازه، امروزه یک رویکرد اصلی برای مدیریت شناسایی و تشخیص آسیب در مناطق مختلف به شمار می آید. نیاز به نظارت بر رفتار سازه، هر روز در حال افزایش است، اما به دلیل توسعه مصالح جدید و سازه های پیچیده تر، این امر، منجر به توسعه روش های نظارت بر سلامت سازه قوی و حساس می شود. هوش مصنوعی، یک رویکرد جایگزین کارآمد برای روش های مدل سازی کلاسیک است. راه حل های مبتنی بر هوش مصنوعی، جایگزین های خوبی برای تعیین پارامتر های طراحی مهندسی در مواقعی هستند که آزمایش امکان پذیر نیست؛ بنابراین منجر به صرفه جویی قابل توجهی در زمان و تلاش انسان در آزمایش ها می شود. امروزه، یادگیری ماشینی به موفق ترین زیر شاخه هوش مصنوعی تبدیل شده است. شناسایی آسیب با استفاده از پردازش سیگنال هوشمند و الگوریتم های بهینه سازی مبتنی بر معیار های ارتعاش از جمله مواردی هست که حائز اهمیت می باشد. در این مقاله، برخی از مطالعات اخیر در زمینه کاربرد های شبکه های عصبی مصنوعی برای شناسایی آسیب و ترک بررسی شده است. سعی شده است تا مروری جامع بر مقالات مطرح شده در زمینه کاربرد روش های بهینه سازی و روش های معکوس، هوش مصنوعی و یادگیری ماشین، ارزیابی آسیب و ترک در سازه های مختلف با استفاده از شبکه های عصبی مصنوعی، با نگاهی ویژه بر مطالعات انجام شده در دهه های گذشته، انجام شود.