تشخیص و تخمین خسارات ریز و کوچک در تیرهای فولادی با استفاده از روش های شاخص انرژی کرنشی مودال و رگرسیون بردار پشتیبان المان محدود طیفی

سازه هایی نظیر پل ها در طول عمر بهره برداری خود در معرض انواع خسارات ریز و کوچک قرار می گیرند. با توجه به اهمیت و نقش این دسته از سازه ها در حوزه حمل و نقل ، تشخیص به موقع خسارت در آنها از جایگاه ویژه ای برخوردار است. از این رو در این تحقیق یک روش نوین و کارآمد برای تشخیص و تخمین خسارات ریز و کوچک در پل ها ارائه گردیده است. روش ارائه شده بر مبنای ترکیب المان محدود طیفی و شاخص انرژی کرنشی مودال برای تشخیص موقعیت خسارت بوده و از تکنیک رگرسیون بردار پشتیبان جهت تخمین میزان شدت خسارت استفاده شده است. برای مدلسازی المان هشت گره ای جدید که دارای ویژگی های المان محدود طیفی می باشد در نرم افزارopensees تعریف گردید. سپس جهت مدلسازی خسارات ریز و کوچک به ترتیب از یک تیر یک دهانه و یک تیر دو دهانه فولادی با تکیه گاه های ارتجاعی استفاده شده است. جهت تشخیص خسارات در گام اول پس از تحلیل مودال سازه ها به محاسبه شاخص انرژی کرنشی مودال پرداخته تا موقعیت خسارات در سازه تشخیص داده شود. در گام دوم با استفاده از شاخص های انرژی کرنشی مودال محاسبه شده در گام قبل به آموزش شبکه های رگرسیون بردار پشتیبان برای تخمین میزان شدت خسارات پرداخته می شود. نتایج کاربرد روش دو مرحله ای ارائه شده نشان دهنده دقت مناسب و عملکرد مطلوب آن می باشد

detection of the micro and small scale damages in steel beams using spectral finite element methods, modal strain energy based damage index, and support vector regression

bridges are exposed to various micro and small damages during their service life. due to the importance and role of these structures in transportation on roads, timely detection of damages in them has a special place. this research presents an innovative and efficient method for diagnosing and estimating micro and small damages to bridges. the proposed method is based on the combination of spectral finite element and modal strain energy based damage index to determine the location of damages in the first step. then the support vector regression technique is used to estimate the severity of damages in the second step. a new eight node element with spectral finite element characteristics is defined in opensees software. then, micro and small damages are modeled in a single span beam and a double span steel beam with spring supports. in the first step, after modal analysis of the structures, the modal strain energy based damage index is calculated to determine the location of the damages. in the second step, using the modal strain energy based damage indices calculated in the previous step, the support vector regression networks are trained to estimate the severity of the damages. the results show very high accuracy and optimal performance of the proposed method.