ارزیابی کاربرد هوش مصنوعی در پایش سلامت شمع‌های مدفون در ماسه تحت اثر زلزله

هوش مصنوعی در صنعت ساختمان به مهندسان این امکان را می‌دهد تا با استفاده از الگوریتم‌های پیشرفته، بهبودهای چشمگیری در طراحی، مدیریت و نظارت بر پروژه‌های ساختمانی ایجاد نمایند. در زمینه شمع‌های مدفون در داخل خاک، هوش مصنوعی می‌تواند به متخصصان کمک نماید تا به طور دقیق‌تری اقدام به پایش سلامت مقطع نمایند. در مطالعه حاضر، پس از شبیه‌سازی لرزه‌ای سیستم متشکل از شمع - خاک - روسازه تحت رکوردهای زلزله حوزه دور و نزدیک، سه سطح از پایش سلامت شامل: تشخیص، موقعیت‌یابی و تخمین شدت آسیب در مقطع شمع انجام‌گرفته است. در این راستا، وقوع آسیب بر اساس اغتشاش‌های ظاهر شده در خروجی تبدیل موجک قابل‌شناسایی است. موقعیت نقص نیز با استفاده از محاسبه انرژی موجک در یک سطح مناسب قابل‌تعیین است. تخمین شدت آسیب نیز می‌تواند با تابع توزیع نرمال انجام گیرد. نتایج نشان دادند که می‌توان از قابلیت‌های هوش مصنوعی در زمینه پایش سلامت مقاطع شمعی استفاده نمود.

evaluation of the use of artificial intelligence in monitoring the health of piles buried in sand under the effect of an earthquake

artificial intelligence in the construction industry allows engineers to make significant improvements in the design, management and monitoring of construction projects by using advanced algorithms. in the field of piles buried in the soil, artificial intelligence can help experts to more accurately monitor the health of the section.in the present study, after the seismic simulation of the system consisting of pile-soil-pavement under earthquake records of far and near areas, three levels of health monitoring including: diagnosis, positioning and estimation of damage severity in the pile cross-section have been performed. in this regard, the occurrence of damage can be identified based on the disturbances appearing in the output of the wavelet transform. the position of the defect can also be determined by calculating the wave energy at a suitable level. damage severity estimation can also be done with the normal distribution function. the results showed that it is possible to use the capabilities of artificial intelligence in the field of monitoring the health of pile sections.