ارائه‌کننده: سجاد فاخری کوزه کنان استاد راهنما: دکتر مرتضی کارآموز مهدی آبادی استاد ناظر داخلی: دکتر امیر راستی استاد ناظر خارج از دانشگاه: دکتر سمیه محمدی تاریخ:  ۱۴۰۴/02/28 ساعت: ۱۰ مکان: ساختمان فنی و مهندسی، بلوک شماره سه، طبقه منفی یک،اتاق سمینار

چکیده: در سال‌های اخیر روش‌های متعددی برای کنترل سلامت سازه بر پایه ارتعاشات ارائه شده است تا اطلاعات معنادار قابل توجهی را برای ایمنی سازه‌ها فراهم آورند. یکی از موضوعات محور در این حوزه تشخیص پارامترهای مودال(فرکانس ویژه، ضریب میرایی و مودشیپ) می‌باشد زیرا این پارامترها هویت ذاتی سازه را مشخص می‌نمایند و رفتار بهتری را از سازه به نمایش می‌گذارند. الگوریتم‌های معمول در حوزه کنترل سلامت سازه شامل روش ورودی-خروجی و روش مبتنی برآنالیز مودال عملیاتی می‌باشد. اما بدلیل اینکه کمیت‌بندی ورودی‌های خارجی روی سازه‌ها معمولا کار دشواری می‌باشد، آنالیز مودال عملیاتی امروزه کاربرد بیشتری دارد. یکی از روش‌های معروف مورد استفاده، آنالیز مودال عملیاتی می‌باشد. آنالیز مودال عملیاتی از نظر نتایج از ضریب اطمینان کمی برخوردار هستند زیرا که یکی از مشکلات اساسی در این روش اثر تغییرات محیطی روی رفتار سازه‌ها می‌باشد که پارامترهای مودال سازه را نیز تغییر می‌دهد. بنابراین به رویکردی نیازمند هستیم که بطور پیوسته و سریع (خودکار) همراه با تغییرات اقلیمی و تاثیر آن روی سازه‌ها، پارامترهای مودال و اطلاعات مورد نیاز در اختیار قرار دهد. برای حل این مشکل به روشی نیاز است که برخی روش‌های هوش مصنوعی(یادگیری ماشین، یادگیری عمیق و یا شبکه‌های عصبی) را برروی آنالیز مودال عملیاتی پیاده‌سازی نماید. یکی از کاربردهای مهم آنالیز مودال عملیاتی پایش سلامت سازه ها می‌باشد. مشکل اساسی در کنترل سلامت سازه عدم استخراج عیوب متعدد بصورت همزمان و کنترل دستی و با دخالت اپراتور می‌باشد که نوآوری این تحقیق این دو مشکل را برطرف نموده است. در ادامه این تحقیق با استفاده از پارامترهای مستخرج از آنالیز مودال عملیاتی همشنمدسازی شده به کمک مدل شبکه عصبی پیچشی در سازه 5 درجه آزادی و سازه پل، نظیر ماتریس انعطاف پذیری مودال و فاصله ماهالانوبیس، عیب‌یابی با حضور چند عیب همزمان در سازه و بصورت هوشمند صورت پذیرفته است. این پژوهش با هدف آسان‌تر نمودن عیب‌یابی در سازه‌های صنعتی و بزرگ و بالا بردن دقت در امر عیب‌یابی، انجام شده است.