پایش سلامت سازه‌ای سدهای بتنی با استفاده از روش‌های نوین (مطالعه موردی: سد باغان جم)

این مطالعه به بررسی روش های نوین پایش سلامت سازه ها (shm) با تمرکز بر سدهای بتنی پرداخته و کاربرد این روش ها را در تشخیص آسیب های آشکار و پنهان سازه ای تحلیل می کند. روش های مورد بحث شامل تحلیل مودال، شبکه های عصبی، تشخیص الگو، فیلتر کالمان، روش های آماری و تحلیل سیگنال است که هر یک از منظر دقت، مزایا و محدودیت ها ارزیابی شده اند. نتایج نشان می دهد که ترکیب این روش ها می تواند به کاهش هزینه های تعمیر و نگهداری، پیش آگاهی از مخاطرات و کاهش تلفات جانی و مالی منجر شود. به عنوان مطالعه موردی، سیستم پایش سلامت سد بتن غلتکی باغان جم با استفاده از روش اجزای محدود طراحی شده است. برای تحلیل اثر ساختگاه، سه مدل مختلف با لایه بندی خاک (تک لایه، دو لایه و سه لایه) بررسی شد. معیارهای نصب حسگرها بر اساس تنش فون مایسز (بیش از 1.5 مگاپاسکال) و جابجایی (بیش از 1 سانتیمتر) تعیین گردید. نتایج برای سه سطح خطر لرزه ای (زیاد، متوسط و کم) نشان داد که تعداد حسگرهای مورد نیاز متناسب با شدت خطر: سطح خطر زیاد: (pga>0.7) 18 حسگر (8 حسگر تنش سنج و 10 جابجایی سنج)، سطح خطر متوسط: (0.4

structural health monitoring of concrete dams using modern methods (case study: baghan jam dam)

introductionstructural health monitoring (shm) has emerged as a critical technology in civil engineering for assessing the perfor-mance of vital infrastructure such as concrete dams. given the importance of dams in water supply networks and the catastrophic consequences of their failure, developing non-destructive and accurate monitoring methods is essential. this study focuses on concrete dams, examining modern shm techniques and their applications in detecting both visible and hidden structural damage. the discussed methods include modal analysis, neural networks, pattern recognition, kalman filtering, statistical approaches, and signal processing, each evaluated for their accuracy, advantages, and limitations. the primary objective is to propose solutions for reducing maintenance costs, anticipating potential hazards, and minimizing human and financial losses through intelligent monitoring systems. as a case study, the health monitoring system for the baghan jam roller-compacted concrete (rcc) dam was designed and analyzed.materials and methodsthis research first introduced and compared various damage detection methods for concrete dams, including modal analysis, neural networks, pattern recognition, kalman filtering, statistical methods, and signal processing. subsequently, as a case study, the shm system for the baghan jam rcc dam was designed using the finite element method. to assess the site effect, three different soil-layer models (single-layer, two-layer, and three-layer) were examined. sensor placement criteria were based on von mises stress (exceeding 1.5 mpa) and displacement (exceeding 1 cm). to evaluate the system's performance under seismic loads, three earthquake records with varying hazard levels—bam (pga=0.8), koina (pga=0.6), and el centro (pga=0.35)—were utilized. data from these records were extracted from the pacific earth-quake engineering research (peer) center and imported into abaqus software. dynamic analyses were conducted to identify critical areas and optimize sensor placement.results and discussionthe results demonstrated that the number and location of required sensors depend on seismic hazard intensity. for high hazard levels (pga>0.7), 18 sensors (8 stress sensors and 10 displacement sensors) were recommended; for moderate levels (0.4