عیب‌یابی سازه جکتی فراساحلی با استفاده از پاسخ‌ دینامیکی بر پایه‌ مدل شبیه‌سازی‌شده، حالت سالم مدل واقعی و شبکه عصبی خود رمزنگار عمیق

Abstract

سازه‌های فراساحلی به‌طور مداوم در معرض عیوب مختلف حاصله از تغییرات نیروهای محیطی هستند؛ بنابراین پایش وضعیت این سازه‌ها از اهمیت بالایی برخوردار است. در سیستم‌های مکانیکی، استخراج داده‌های معیوب مقرون‌به‌صرفه نیست و به‌صورت عمومی فقط داده‌های مربوط به حالت سالم در اختیار است؛ بنابراین استفاده از داده‌های عیب مصنوعی بر پایه مدل شبیه‌سازی‌شده به‌جای واقعی آن، یک رویکرد عملی برای رفع این مشکل است. در این مطالعه روش جدیدی برای عیب‌یابی سازه جکتی فراساحلی در حضور عدم‌ قطعیت‌های مختلف مانند خطاهای مدل‌سازی، خطاهای اندازه‌گیری و نویزهای محیطی بر پایه مدل شبیه‌سازی‌شده و حالت سالم مدل واقعی ارائه‌شده است. در روش پیشنهادی، داده‌های سازه سالم واقعی برای به‌روزرسانی پارامترهای مدل شبیه‌سازی‌شده استفاده شده‌اند. برخی از بخش‌های سیگنال‌ که مربوط به ذات سیستم نیستند، با استفاده از روش تجزیه مود تجربی دسته‌ای کامل حذف شده‌اند. داده‌های فرکانسی با استفاده از روش تجزیه حوزه فرکانس از سیگنال‌های ارتعاشی استخراج شده‌اند. یک شبکه عصبی خود رمزنگار عمیق، به‌منظور یادگیری ویژگی‌های حساس به عیب از داده‌های فرکانسی و عیب‌یابی سازه طراحی‌شده است. به‌منظور آموزش شبکه عمیق پیشنهادی، از داده‌های فرکانسی مدل شبیه‌سازی‌شده و حالت سالم مدل واقعی استفاده شده است. پس‌ازآن، داده‌های فرکانسی سازه واقعی برای ارزیابی شبکه عمیق پیشنهادی استفاده شده است. نتایج حاصله نشان می‌دهد که استفاده از روش پیشنهادی برای عیب‌یابی سازه جکتی فراساحلی صحت بالاتری نسبت به سایر روش‌های مقایسه‌ای دارد.