• عنوان

    نظارت بر سلامت سازه به روش دوهمدوسي و تبديل هيلبرت-هوانگ با كمك يادگيري عميق با استفاده از حسگرهاي شتاب‌سنج و كرنش‌سنج

  • نويسنده اصلي

    يگانه مجد، اردشير

  • محل تحصيل
    اصفهان : دانشگاه صنعتي اصفهان
  • رشته تحصيلي
    مهندسي كامپيوتر
  • مقطع تحصيلي
    كارشناسي ارشد
  • چكيده
    امروزه، ايمني سازه‌ها از جمله هواپيماها و پل‌ها به عنوان يكي از مهمترين چالش‌هاي صنعت مطرح است. تنش و كرنش ايجاد شده در بدنه سازه‌هايي به مانند هواپيما و پل مي‌تواند منجر به خرابي و نقص‌هاي ساختاري شود كه ممكن است در نهايت به حوادث ناگوار منجر ‌شود. بنابراين، نظارت بر سلامت سازه از اهميت بالايي برخوردار است و مي‌تواند به طور قابل توجهي به افزايش ايمني كمك كند. نظارت بر سلامت سازه به مهندسين و متخصصين، امكان بررسي وضعيت سازه به صورت بلادرنگ را مي‌دهد و مي‌تواند آنها از وقوع حوادث مطلع سازد. در دهه‌هاي اخير، استفاده از شبكه‌هاي حسگري براي نظارت و كنترل سلامت بدنه سازه‌ها از اهميت بسزايي برخوردار شده است. از آنجايي كه سلامت و ايمني سازه‌هايي به مانند هواپيما و پل از اهميت بالايي برخوردار است، طراحي يك سيستم هوشمند براي تشخيص خرابي در اين سازه‌ها امري حياتي به شمار مي‌رود. تشخيص وقوع آسيب در يك سازه پل به كمك هوش مصنوعي و الگوريتم‌هاي يادگيري ماشين، هدف اصلي اين پايان‌نامه خواهد بود. در اين پايان‌نامه قصد داريم با استفاده از سيگنال¬هاي جمع¬آوري شده توسط حسگرهاي كرنش¬سنج و شتاب‌سنج تعبيه شده در يك سازه پل، يك سيستم هوشمند جهت تشخيص آسيب پل ارائه نمائيم. از آنجايي كه داده‌هاي مورد استفاده در اين پايان‌نامه، ماهيت سيگنال گونه دارند، روش پيشنهادي در اين پايان‌نامه، استفاده از دو مفهوم پركاربرد در پردازش سيگنال‌هاي ديجيتال به نام دوهمدوسي و تبديل هيلبرت-هوانگ است. روش دوهمدوسي به بررسي ميزان ارتباط بين جفت فركانس‌ها در يك يا چندين سيگنال غير خطي مي‌پردازد، تبديل هيلبرت-هوانگ نيز با اعمال بر روي يك سيگنال، اطلاعات فركانس-زماني و دامنه‌اي سيگنال را در اختيار ما قرار مي‌دهد. روش پيشنهادي، از يك شبكه حسگر براي جمع‌آوري داده‌هاي كرنش و شتاب در قسمت‌هاي مختلف پل استفاده مي‌كند. در اين پايان‌نامه از داده‌هاي جمع آوري شده از طريق حسگرهاي شتاب‌سنج و كرنش‌سنج نصب شده بر روي يك پل واقع در كشور بلژيك استفاده شده است. داده‌هاي جمع‌آوري شده توسط حسگرها به يك شبكه‌هاي عصبي عميق براي پردازش و تحليل داده‌ها و تشخيص خرابي‌هاي احتمالي در سازه پل تحويل داده مي‌شود. روش ارائه شده در اين پايان‌نامه داراي مزاياي متعددي نسبت به روش‌هاي سنتي نظارت بر سلامت سازه پل است. از جمله اين مزايا مي‌توان به دقت بالاتر در تشخيص خرابي نسبت به روش‌هاي سنتي نظارت بر سلامت سازه اشاره كرد. روش ارائه شده در اين پايان‌نامه مي‌تواند به طور قابل توجهي به افزايش ايمني پل‌ها كمك كند. اين روش با استفاده از سيگنال‌هاي حسگرهاي شتاب‌سنج و كرنش‌سنج با كمك يادگيري عميق مي‌تواند خرابي‌ها را در سازه پل با دقت بالا تشخيص دهد.
  • شماره ركورد
    230826
  • گرايش رشته تحصيلي
    هوش مصنوعي و رباتيكز
  • دانشكده
    مهندسي برق و كامپيوتر
  • دانشگاه
    دانشگاه صنعتي اصفهان