مروری نظام‌مند بر روش‌های یادگیری ماشین در تشخیص آسیبِ سازه‌های عمرانی: از الگوریتم‌های کلاسیک تا مدل‌های یادگیری عمیق

مروری نظام‌مند بر روش‌های یادگیری ماشین در تشخیص آسیبِ سازه‌های عمرانی: از الگوریتم‌های کلاسیک تا مدل‌های یادگیری عمیق

شاهین قربانی زاده شیرازی1 حسام ورعی2 زهرا فریادی3

1) گروه برق، دانشکده فنی مهندسی، دانشگاه آل طه، تهران، ایران،
2) گروه مهندسی عمران، دانشکده فنی مهندسی، دانشگاه آل طه،تهران، ایران،
3) دانشجوی کارشناسی مهندسی عمران، دانشکده فنی مهندسی، دانشگاه آل طه، تهران، ایران

کد IOI مقاله : AAHE-ABHGHF
محل انتشار : کنفرانس ملی فناوری های عمران، طراحی و ساخت، انرژی، مواد و ماشین آلات پیشرفته(icaeu.ir)
چکیده :
    تشخیص آسیب در سازه‌های عمرانی، هسته اصلی پایش سلامت سازه و ابزاری مؤثر برای افزایش ایمنی و کاهش هزینه‌های نگهداشت است. با توجه به محدودیت‌های روش‌های سنتی مبتنی بر مدل‌های فیزیکی، یادگیری ماشین به‌عنوان یک رویکرد داده‌محور، جایگاه مهمی در شناسایی آسیب سازه‌ای یافته است. این مقالۀ مروری، کاربرد روش‌های یادگیری ماشین در تشخیص آسیب را به‌صورت نظام‌مند بررسی می‌کند و انواع داده‌های پایش، مراحل پیش‌پردازش و استخراج ویژگی، و نقش الگوریتم‌های نظارت‌شده، بدون‌نظارت و عمیق را تحلیل می‌کند. همچنین، گذار از روش‌های کلاسیک به مدل‌های عمیق، از جمله شبکه‌های عصبی کانولوشنی و انتقال یادگیری، مورد توجه قرار می‌گیرد. چالش‌هایی مانند کمبود داده‌های واقعی، تغییرات محیطی و عملیاتی، تعمیم‌پذیری و تفسیرپذیری مدل‌ها نیز بررسی می‌شود. در پایان، روندهای آینده این حوزه، شامل پایش بلادرنگ، ادغام با بینایی ماشین، انتقال یادگیری و هوش مصنوعی تبیین‌پذیر، ترسیم می‌شود.

کلمات کلیدی : پایش سلامت سازه تشخیص آسیب یادگیری ماشین یادگیری عمیق تشخیص ناهنجاری