نام پژوهشگر: شاهرخ اسفرایینی

شناسایی خرابی سازه های فضاکار بر اساس پاسخ های دینامیکی با استفاده از مدل اجزا محدود به روز شونده
پایان نامه وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی شاهرود - دانشکده عمران 1393
  شاهرخ اسفرایینی   علی کیهانی

چکیده: عیب یابی یکی از شاخه های کنترل سلامت سازه ها می باشد که در دو دهه اخیر توجه بسیاری از محققان را به خود جلب کرده است. امروزه، تحقیقات بر روی روش های عیب یابی سازه ها بر پایه پاسخ های دینامیکی، بسیار گسترش یافته است زیرا از این روش ها می توان به عنوان روش های بررسی دائمی و بهنگام سازه ها استفاده کرد و از به وجود آمدن آسیب های بیشتر در سازه ها جلوگیری کرد. در این پایان-نامه یک روش دو مرحله ای جدید برای عیب یابی ساز های پرعضو مانند سازه های فضاکار ارائه می شود. در اثر خرابی یک سازه، ویژگی های استاتیکی و دینامیکی سازه تغییر کرده، که با در نظر گرفتن نحوه این تغییرات می توان مکان و شدت خرابی را درسازه ها شناسایی کرد. در این پژوهش، تشخیص محل و شدت خرابی در سازه های فضا کار با استفاده از تغییرات انرژی کرنشی مودال المان های سازه (msebi) و الگوریتم بهینه سازی خفاش (ba) بررسی شده است. الگوریتم خفاش یک الگوریتم بهینه سازی فراابتکاری جدید می باشد که در این پژوهش برای اولین بار در مبحث عیب یابی سازه ها به کار گرفته می شود. بدین منظور در مرحله اول با استفاده از تغییرات انرژی کرنشی مودال المان ها، اندیس خرابی هر المان به دست آمده و با توجه به آنها محل المان های محتمل خرابی تعیین می شود. در مرحله دوم با استفاده از اندیس خرابی مبتنی بر اختلاف بین فرکانس های سازه خراب واقعی و سازه بروز شونده به عنوان تابع هدف الگوریتم بهینه سازی خفاش، شدت خرابی در المان-های سازه مشخص می شود. برای بررسی عملکرد روش پیشنهادی چند سازه فضاکار مورد بررسی قرار گرفته است. نتایج نشان می-دهد که روند دو مرحله ای ارائه شده به طور موفقیت آمیزی محل وقوع و شدت خرابی را در سازه های فضاکار، حتی در صورت وجود چند المان معیوب، با دقت بسیار خوبی تعیین می کند. همچنین با مقایسه نتایج حاصل از الگوریتم خفاش (ba) با الگوریتم اجتماع ذرات (pso) مشخص شد که این الگوریتم دقت و سرعت همگرایی بیشتر در بحث عیب یابی سازه ها دارد. به علاوه بررسی ها نشان داد، استفاده از شاخص انرژی کرنشی مودال به منظور تشخیص المان های مشکوک به خرابی دقت بالاتری در کاهش فضای جستجو و انتخاب المان های خراب نسبت به شاخص باقی مانده نیروی مودی دارد.