مروری بر روش‌های شناسایی آسیب با استفاده از کاربرد شبکه های عصبی و یادگیری ماشین در پایش سلامت سازه‌ها

پایش سلامت سازه‌ها (shm ) یکی از مباحث اساسی در مهندسی عمران است که با هدف تضمین ایمنی و کاهش هزینه‌های بازرسی و نگهداری سازه‌ها مطرح می‌شود. با پیشرفت فناوری سنسورها و یادگیری عمیق (dl)، روش‌های داده‌محور به طور فزاینده‌ای برای نظارت بر سلامت سازه‌ها استفاده می‌شوند. یادگیری عمیق، به‌ عنوان شاخه‌ای از یادگیری ماشین، قادر است الگوهای پنهان در داده‌ها را شناسایی کرده و در تشخیص آسیب‌ها و پیش‌بینی رفتار سازه‌ها موثر واقع شود. این روش‌های داده‌محور، به ‌واسطه پیشرفت‌های اخیر در فناوری سنسورها، اینترنت پرسرعت و محاسبات ابری، به سرعت در حال توسعه هستند. از زمان ورود یادگیری عمیق به مهندسی عمران، به‌ویژه در حوزه پایش سلامت سازه‌ها ، این ابزار نوآورانه توجه بسیاری از پژوهشگران را به خود جلب کرده است. این مقاله با هدف بررسی آخرین پژوهش‌ها و دستاوردها در زمینه پایش سلامت سازه‌ها مبتنی بر یادگیری عمیق نوشته شده و تلاش می‌کند با تحلیل مزایا، معایب و چالش‌های این فناوری، درکی جامع از کاربردهای مختلف آن ارائه دهد.