پایش سلامت ارزان قیمت پل های کابلی با استفاده از تبدیل موجک فشرده و آنالیز مولفه های اصلی غیرخطی

امروزه پایش سلامت سازه ها در بسیاری از کشورها به صورت استاندارد درآمده است. سیستمهای پایش سلامت برای سازه های بزرگ و پراهمیت سیستمهایی مجهز و شامل تعداد زیادی سنسور می باشند. لذا استفاده از آنها به علت قیمت بالا هنوز در کشور ما رایج نشده است. هدف اصلی این پژوهش ارائه یک روش ارزان قیمت پایش سلامت سازه ها بر مبنای پردازش سیگنال است. بر این اساس تنها از 3 سنسور جهت شناسایی خسارت سازه استفاده شده است. از آنجا که دقت روش پردازش سیگنال تاثیر بسزایی بر دقت روش ارائه شده خواهد داشت، در بخش اول پنج روش پردازش سیگنال مورد بررسی قرار گرفته اند. از میان این روشها دو روش نسبت به سایرین دارای قدمت بیشتری می باشند و کاربردهای فراوانی در شناسایی خسارت پیدا کرده اند و سه روش دیگر به تازگی معرفی شده اندو هنوز در مهندسی عمران زیاد مورد بررسی قرار نگرفت اند. در بخش دوم یک روش شناسایی خسارت نوین ارائه شده است. این روش ترکیبی از روشهای پردازش سیگنال به روش تبدیل موجک فشرده، خوشه بندی داده ها و رگرسیون گیری به روش شبکه های عصبی وابسته خودکار است. برای این کار از داده های پل مرجع یونگ استفاده شده است که داده های آن بر اساس ارتعاش واقعی پل ثبت شده اند. نتایج نشان می دهد روش پردازش سیگنال ارائه شده دارای دقت کافی جهت شناسایی خسارت را دارا می باشد.

Low cost health monitoring of cable stayed bridges using synchrosqueezed wavelet transform and nonlinear principal component analysis

Today, health monitoring of structures has been standardized in many countries. Such systems for large and complex structures are equipped and include numerous sensors. Therefore, they are not yet practical in our country due to large final expenses. The main purpose of this paper is to introduce a lowcost health monitoring algorithm for structures based on signal processing. Accordingly, only three sensors are utilized to detect damage. Since the accuracy of signal processing method can affect the results of damage detection, in the first part of the paper, five signal processing methods are investigated. Among these procedures two methods are older and have widely used in damage detection. The three others are more recent and are fully investigated in civil engineering. In the second part, a new damage detection method is proposed. This method is a combination of signal processing methods by synchrosqeezed wavelet transform, clustering, and regression with autoassociative artificial neural networks. For this reason, data from Yonghe bridge is utilized which is recorded based on real vibration of the bridge. Results show that the proposed signal processing method is capable to effectively extract signal features. Also the damage detection method is capable to detect damage with acceptable accuracy