|
Abstract
|
طی چند دهه گذشته، سیستم نظارت بر سلامت سازه ها و اثر تغییرات دما بر پاسخ سازه، ویژگی های ارتعاشی و تشخیص آسیب مورد مطالعه قرار گرفته است که در مقالات مروری نوشته شده توسط هان و همکاران (Han et al., 2020) و نیز لو و همکاران (Luo et al., 2022) به شماری از این تحقیقات آزمایشگاهی، تحلیلی و عددی اشاره شده است. اگرچه در چند دهه گذشته مطالعات گسترده ای در زمینه سیستم نظارت بر سلامت سازه ها انجام گرفته اما در زمینه تأثیر عوامل محیطی، مانند تغییرات دما بر سلامت سازه ها، مطالعات کمتری انجام گرفته و به ندرت مورد توجه و بررسی قرار گرفته است (Z. Ding et al., 2020). با توجه به اینکه نظارت بر وضعیت سلامت سازه، برنامه ریزی نگهداری و مدیریت آن، چه از نظر تهدیدات جانی و چه اقتصادی حیاتی و ضروری است، لذا برای این هدف، روش های متعددی برای انجام شناسایی آسیب های سازه ای و پایش سلامتی آن توسعه یافته است. با این وجود چالش هایی هنوز در رویکردهای پیشنهاد شده در سال های گذشته وجود دارد، به طور مثال در برخی روش های بهینه سازی مانند روش حداقل مربعات (Sabz et al., 2019) و روش حساسیت (Lu et al., 2017) معمولاً به مقادیر اولیه و اطلاعات گرادیان خوب نیاز است که هنگام استفاده در سازه هایی با مقیاس بزرگ که داده های اندازه گیری محدودی در دسترس است، که به همین دلیل، مشکلاتی ایجاد می شود. همچنین برخی اثرات محیطی و نویزهای هنگام اندازه گیری، کاربرد واقعی روش های ذکر شده را برای مسائل مهندسی عمران محدود می کند که برای پوشش این ضعف می توان از روش های مبتنی بر تکنیک های یادگیری ماشینی استفاده نمود (Z. Ding et al., 2020). همچنین در میان گروه های مختلف الگوریتم بهینه سازی برای حل مسائل بهینه سازی، الگوریتم های متنوعی پیشنهاد شده است که توسعه و به کارگیری الگوریتم های فرا ابتکاری نوین، برای انجام این کار، با همگرایی و دقت مورد قبول، توجه بسیاری از محققین را برانگیخته است و برای غلبه بر چالش های ذکر شده به کار گرفته شده اند. اما بر اساس بررسی های انجام شده، هنوز کمبود مطالعات در مورد تشخیص آسیب سازه ها و الگوریتم های پیشنهاد شده برای امر بهینه سازی، تحت اثر تغییرات دمایی محیط و انتخاب داده مودالی که کمترین تاثیر از تغییرات دمایی و همچنین رابطه قابل پیش بینی با تغییرات دما داشته باشد، برای بهبود اعتبار تشخیص آسی
|