تشخيص خسارت در اتصالات پل هاي خرپايي با استفاده از داده­هاي استاتيكي به كمك شبكه هاي عصبي مصنوعي

توسعه هاي اخير در روش شبكه هاي عصبي مصنوعي راه حل جديدي در مسائل مربوط به مهندسي عمران در پيش روي ما نهاده است. امروزه كاربرد شبكه هاي عصبي در مسائل متفائتي از جمله مسائل بهينه سازي، تحليل، طراحي و تخمين پارامترهاي سازه اي به كار مي رود. مساله شناسايي آسيب بدون نياز به تخريب سازه و با استفاده از پارامترهايي كه قابل اندازه گيري هستند، توجه علاقمندان زيادي را در دهه هاي اخير به خود جلب كرده است. براي اين مسائل روشهاي رياضي مبتني بر محاسبات سخت كارايي زيادي ندارند زيرا كه نياز به داده هاي خيلي دقيقي دارند، در صورتيكه داده هاي اندازه گيري معمولا با تقريب همراه مي باشند. روش شبكه هاي عصبي مصنوعي به عنوان يك روش محاسباتي نرم، كارايي بهتري دراينگونه مسائل دارد چرا كه نياز به داده هاي اندازه گيري خيلي دقيق ندارد. اين مقاله كاربرد شبكه عصبي پرسپترون چند لايه در كشف خسارت در سازه پلهاي خرپاي را با استفاده از تغيير مكانهاي استاتيكي گرهي اندازه گيري شده ارائه مي كند. در اين تحقيق رايج ترين آسيب پلهاي خرپايي، كه در اتصالات آن رخ مي دهد مورد مطالعه قرار گرفته است. خسارت را براي حالتهاي مختلف در يك پل خرپايي ساده با نرم افزار المان محدود مدلسازي كرده و تغيير مكانهاي استاتيكي آن تحت بار مرده روي آن استخراج شده است. آموزش شبكه عصبي با استفاده از اين تغيير مكانهاي استاتيكي به عنوان ورودي و خسارت اتفاق افتاده در نقاط مختلف سازه به عنوان خروجي انجام شده است. پس اط سعي و خطاهاي زياد به بهترين ساختار شبكه دست پيدا كرده و با استفاده از الگوهاي آزمايشي توليد شده عملكرد شبكه آموزش ديده مورد ارزيابي قرار گرفته است. نتايج حاصل بيانگر پيش بيني مناسب خسارت در اتصالات پلهاي خرپايي است.