شناسایی خرابی در سازه‌ها با استفاده از روش‌های مبتنی بر تحلیل حساسیت تحت زلزله‌های مصنوعی

امروزه عیب‌یابی سازه‌ها یکی از فعال‌ترین زمینه‌های تحقیقاتی می‌باشد. پاسخ‌های سازه‌ای متعددی برای تعیین موقعیت و شدت خرابی در سازه‌ها مورداستفاده قرار می‌گیرند. یکی از پاسخ‌هایی که می‌تواند جهت شناسایی خرابی مورداستفاده قرار گیرد تغییرشکل‌هایی هستند که در تحلیل دینامیکی تاریخچه زمانی به‌راحتی قابل‌اندازه‌گیری می‌باشند. ازجمله شتاب‌نگاشت‌هایی که در تحلیل تاریخچه زمانی بکار گرفته می‌شود شتاب‌نگاشت مصنوعی می‌باشد. در این تحقیق جهت تولید شتاب‌نگاشت مصنوعی، شتاب‌نگاشت‌های مصنوعی منطبق بر خواص لرزه‌خیزی منطقه تولیدشده‌اند و برای این کار توابع موجکی مورداستفاده قرارگرفته است. روشی که جهت شناسایی خرابی مورداستفاده قرار گرفت روش عیب‌یابی مبتنی بر تحلیل حساسیت بود و تغییر‌های گره‌ای ناشی از اثر شتاب‌نگاشت‌های مصنوعی بر سازه، به‌عنوان پارامترهای ورودی در این مسئله عیب‌یابی بودند. در این تحقیق برای نشان دادن قابلیت شتاب‌نگاشت مصنوعی جهت شناسایی خرابی، دو مثال عددی شامل یک خرپا و یک قاب سه‌بعدی مورد بررسی قرار گرفت. نتایج نشان داد که شتاب‌نگاشت مصنوعی نه‌تنها برای تشخیص خرابی سازه‌ای موثر می‌باشد بلکه نتایج دقیق‌تری نیز، نسبت به شتاب‌نگاشت طبیعی ارائه داد.

Sensitivity Based Analyses by Artificial Earthquake by Measuring Structural Accelerations for Damage Assessment

In the recent years, damage detection of structures has been one of the active research areas in sensitivity analyses. There are various responses to determine the location and extent of damages in structures which one of them is deformations caused by dynamic stimulation of time history. In this research, artificial acceleration mapping, which is used in time history analyses, produced in agreement with earthquake properties by using wavelet functions. The approach which was used for damage detection was sensitivity based damage detection. Joint deformations caused by artificial acceleration mapping in structures were inputs of damage detection problem. In this research to show the capabilities of artificial acceleration mapping, two numerical cases were studied. Results indicated that artificial acceleration mapping not only was efficient in damage detection, it was more accurate than natural acceleration mapping.