عیب یابی سازه ها با استفاده از روش های جدید

عیب یابی یکی از شاخه های کنترل سلامت سازه ها می باشدکه با توجه به لزوم تشخیص به موقع خرابی ها و جلوگیری از پیشرفت آن ها، یکی از فعال ترین زمینه های تحقیقاتی است. وقوع آسیب در سازه ها باعث تغییر جرم ، سختی و خواص میرایی سازه گردیده و در پی آن ، پاسخ های استاتیکی و دینامیکی سیستم نیز تغییر می کند. امروزه ، بیشتر تحقیقات بر اساس حداقل سازی اختلاف پاسخ سازه سالم و خراب ، انجام می گیرد.در این پژوهش ، عیب یابی سازه ها با استفاده از پاسخ های فرکانس و الگوریتم های هوش مصنوعی از جمله(elm) extreme learning machine ، ماشین بردار پشتیبان حداقل مربعات ، شبکه های عصبی انتشار بازگشتی وتابع بنیادی شعاعی انجام شده و این الگوریتم ها در روند عیب یابی مورد مقایسه قرار می-گیرند. نتایج حاصله ، بیانگر دقت و سرعت مناسب الگوریتم elm به صورت توامان نسبت به سایر الگوریتم ها می باشد. به علاوه ، به منظور بهبود عملکرد الگوریتم elm در روند عیب یابی سازه ها و برطرف کردن معایب آن ، یک روش هوشمند جهت تعیین تابع تحریک وتعداد بهینه نرون های لایه مخفی شبکه عصبی با استفاده از الگوریتم اجتماع ذرات ، ارائه شده است . در این راستا ، بهترین تابع تحریک از بین توابع تحریک به صورت هوشمند با کمک الگوریتم بهینه ساز pso در روند عیب یابی انتخاب می-شود. این الگوریتم جدید که oelm نامگذاری شده ، از ترکیب الگوریتم بهینه ساز pso و روش هوش مصنوعی elm ایجاد شده و کارایی آن جهت سازه های مختلف مورد بررسی قرار گرفته است. نتایج عددی بیانگر دقت بالای الگوریتم oelm در عیب یابی سازه می باشد.