مقایسه‌ی فرآیند عیب‌یابی با الگوریتم‌های مختلف بهینه‌کننده‌ی جستجو در المان‌های مسطح سه بعدی بر مبنای مشخصات دینامیکی سازه

وقوع خرابی در سیستم‌های سازه‌ای و مکانیکی در طول سرویس‌دهی، اجتناب‌ناپذیر است. پایش سلامت و عیب‌یابی این سیستم‌ها به ‌نوبه‌ی خود می‌تواند از تلفات جانی و مالی جلوگیری کند. از مهم‌ترین روش‌های پایش سلامت و عیب‌یابی روش‌های مبتنی بر مشخصات ارتعاشی سازه می‌باشد، که بدون تمرکز بر نواحی خاص، سازه را مورد پایش کلی قرار می‌دهد. در این مطالعه جهت عیب‌یابی سازه‌های صفحه‌ای، با بهره‌گیری از تکنیک کاهش ابعاد داده‌ها توسط تحلیل اجزای اصلی، توابع پاسخ فرکانسی کاهش بعد داده شده، و شاخص‌هایی به‌عنوان شاخص خرابی معرفی گشته است. این شاخص‌های خرابی و عیب‌یابی صفحه به‌صورت یک مسئله بهینه‌سازی مطرح شده، و پس از آن با استفاده از الگوریتم‌های اجتماع ذرات و ژنتیک به حل مسئله بهینه‌سازی پرداخته شده است. با حل مسئله بهینه‌سازی مکان و شدت‌های خرابی تشخیص داده می‌شوند. برای ارزیابی و کارکرد روش ارائه شده و عملکرد الگوریتم‌های معرفی شده، چندین سناریوی خرابی شامل خرابی در یک ناحیه، خرابی هم‌زمان در دو ناحیه، و خرابی در سه ناحیه از سازه اعمال شده است، و بر این مبنا در مورد کارایی و کارکرد روش ارائه شده بحث می‌گردد. بر اساس نتایج حاصله، مشاهده شده که الگوریتم اجتماع ذرات در بحث تعیین شدت خرابی نسبت به الگوریتم ژنتیک از عملکرد و دقت بالایی برخوردار است. در سناریوهای پیچیده‌تر این افزایش دقت و کارایی بهتر بیشتر نمایان می‌شود.

Damage detection process comparison using various optimization algorithms in 3D plane elements based on dynamics properties of structure

Damage occurrence in structural and mechanical systems during utilization is an inevitable phenomenon. Death and financial losses could be prevented by health monitoring systems and damage detection processes in structures. In the mentioned framework, damage detection based on dynamics properties, is one of the most important and efficient methods, without concentration on special zones in structure. In this study frequency response functions were analyzed by principle component analysis, then, in order to complete process, dimension reduction and damage indices extraction were conducted. At the end, plate damage detection was introduced as an optimization problem considering extracted damage indices, and solution of the problem were given by PSO and Genetic algorithms. Output results consist of estimation about location and intensity of applied damage. Several scenarios including single, simultaneously dual and triple stiffness losses were figured out to investigate and evaluate the efficiency of the mentioned algorithms. Finally, outcome result around performance and utility of method had been discussed. Itchr('39')s obviously demonstrated that Particle Swarm Optimization algorithm has more accurate result, especially in estimation of damage location than Genetic algorithm optimization solution, during health monitoring processes. The mentioned conclusion has been gotten more explicit with getting scenario complicated.