ارزیابی تاثیر نوفه در دقت تشخیص آسیب بر مبنای شناسایی مشخصه‌های در سازه‌های فولادی تحت بار محیطی با استفاده از الگوریتم شبکه عصبی

در روش های شناسایی آسیب مبتنی بر پردازش سیگنال، نوفه در هنگام برداشت اطلاعات باعث به وجود آمدن خطای زیادی در امر شناسایی آسیب می‌گردد. لذا هدف از این تحقیق بررسی تاثیر نوفه بر دقت شناسایی سیستم سازه‌ای و تشخیص خرابی است که در این راستا از روش محاسبات دینامیکی و مدل ریاضی استفاده‌شده است.در این تحقیق از دو شاخص وابسته به زمان و فرکانس، که تعریف آن‌ها بر اساس خصوصیات خاص طیفی است، به‌عنوان تابع احتمال استفاده می‌شوند. ازآنجاکه آسیب باعث تغییر در مشخصات دینامیکی (فرکانس‌های طبیعی و مود شکل‌ها) یک ساز می‌شود، مقایسه بین سازه آسیب‌دیده و سالم باعث می‌شود تا مکان و شدت خسارت شناسایی شود. برای نشان دادن اثربخشی رویکرد پیشنهادی، سه سازه مورد بررسی قرار گرفته است. با تمرکز بر مسئله ارزیابی دینامیکی، روشی برای شناسایی سیستم‌های سازه‌ای با استفاده از شبکه‌های عصبی مصنوعی و چگالی طیف توان ارائه‌شده است. الگوریتم مورد استفاده برای آموزش داده ها الگوریتم لونبرگ- ماکارد است. روش پیشنهادی روش حساس به بارهای محیطی است و شرایط وجود نوفه در پاسخ ورودی و همچنین نتایج خروجی مورد بررسی قرار گرفته است. برای این موضوع سه نوفه 1، 2 و 5 درصد به پاسخ های ورودی و خروجی اعمال می شود و نتایج مورد ارزیابی قرار می گیرد. طبق نتایج معیار چهارم که برحسب حوزه فرکانس است توانایی بیشتری در شناسایی آسیب در سازه را در شرایط وجود نوفه دارد.