بررسی عملکرد الگوریتم ژنتیک فازی و شبکه عصبی در بهینه‌سازی سیستم پایش سلامت سازه‌ای پل

Abstract

<em> پاسخ دینامیکی سازه­ها در اثر آسیب­های وارده تغییر کرده و این امر یکی از روش­های تشخیص عیوب سازه­ای می­باشد. به این ترتیب امکان تعیین محل و شدت آسیب فراهم می­شود. </em><em>در این تحقیق مسأله پایش سلامت سازه­ای پل بر اساس پارامترهای مودال به صورت یک مسأله بهینه­سازی با استفاده از دو روش ژنتیک فازی (مبتنی بر فرکانس) و شبکه عصبی (مبتنی بر انرژی کرنشی مودال) مطرح می­گردد و کارایی این دو روش در تعیین موقعیت و تشخیص شدت خرابی ارزیابی</em><em>می­شود. برای مطالعه تشخیص خرابی، مدل­ عددی پل کروچیلد به وسیله مشخصات دینامیکی آن­ شبیه سازی شده و برای تشخیص سناریوهای مختلف خرابی استفاده شده است. در روش اول فرکانس طبیعی و در روش دوم انرژی کرنشی مودال به عنوان پارامتر حساس به خرابی انتخاب شده است. </em><em>استفاده از مدل­های ساده شده در مطالعۀ رفتار پل­ها به دلیل سادگی و دقت قابل قبولی که دارند بسیار مرسوم است. نتایج این تحقیق نشان می­دهد</em><em> با مدل ساده شدۀ پل و بکارگیری سیستم فازی می­توان با حجم محاسبات و پیچیدگی کمتر به دقت قابل قبولی جهت شناسایی خرابی دست یافت. عدم قطعیت موجود در اندازه­گیری­های تجربی و فرآیند مدل­سازی از طریق نویز اضافه شده به داده­ها، شبیه سازی شده است. </em><em>نتایج نشان می­دهد در صورت وجود 20 درصد نویز در اطلاعات ورودی، سیستم فازی با دقت قابل قبولی می­تواند حدود خرابی را مشخص کند. </em><em>مقایسه نتایج دو روش تشخیص خرابی بکار گرفته شده نشان می­دهد، سیستم فازی در برابر عدم قطعیت­های موجود حساسیت کمتری دارد. </em>