شناسایی آسیب در شاه تیرهای بتنی عرشه پل‌ها با استفاده از توزیع زمان-فرکانس مربعی و شبکه عصبی

شناسایی آسیب در سازه‌ها به ویژه در چند سال اخیر به شدت مورد توجه قرار گرفته است. در این پژوهش روش جدیدی برای شناسایی آسیب در شاه تیرهای بتنی عرشه پل‌ها ارائه گردیده است. سهولت کاربرد، دقت بالا و کاهش هزینه های پایش از پیش فرض‌های در نظر گرفته شده برای ارائه روش جدید بوده است. در این تحقیق با بهره‌گیری از ابزارهای پردازش سیگنال و هوش مصنوعی، ویژگی‌های حساس به خسارت به گونه‌ای استخراج شده اند که وجود آسیب، شدت و محل آن تنها با استفاده از سیگنال‌های پاسخ ارتعاش دریافتی از یک حسگر با دقت بسیار بالا و در حدود 99 درصد و درصد خطای کمتر از 1 تعیین گردند. بر اساس روش ارائه شده ابتدا با استفاده از تابع زمان – فرکانس مربعی، سیگنال‌های پاسخ دریافتی از سازه با سناریوهای مختلف که در حالات سالم و دارای آسیب با درصدهای متفاوت، مورد پردازش واقع شده، سپس با استفاده از این داده‌ها به عنوان ورودی به شبکه‌ی عصبی و تعیین خروجی‌های متناسب نسبت به آن، شبکه‌ی مورد نظر آموزش داده شده است. به منظور ارزیابی، صحت‌سنجی و اطمینان از عملکرد روش پیشنهادی، از مدل عددی تیر بتنی و همچنین مدل عددی پل شهید مدنی تبریز در حالت‌های عادی و نوفه دار استفاده شده است. نتایج محاسبات بیانگر دقت تشخیص بالای این روش و کمترین میزان خطا در تعیین میزان سلامت سازه و همچنین شناسایی موقعیت المان آسیب دیده می‌باشد.

identifying damages in girders of bridges using square time-frequency distribution and neural network

the detection of damage to structures has received much attention, especially in recent years. in this research paper, a new method for detecting damage in concrete girders of bridge decks is presented. ease of use, high accuracy, and reduction of monitoring costs are the requirements for the new method. in this research, signal processing tools and artificial intelligence were used to extract damage-sensitive features so that the presence of damage, its intensity, and its location can be determined with very high accuracy based solely on the vibration signals received from a sensor. the accuracy is about 99%, and the error percentage is less than 1. based on the proposed method, firstly, using the time-frequency function, the response signals from the structure were processed. the neural network was trained, using the processed data. to evaluate, validate and ensure the performance of the proposed method, the numerical model of the concrete girder and the numerical model of the shahid madani bridge in tabriz under normal and disturbed conditions were used. the results show the high diagnostic accuracy of this method and the lowest error rate in determining the condition of the structure and the location of the damaged element.