پایش هوشمند سلامت سازه‌های دریایی مبتنی بر هوش مصنوعی برای شناسایی آبشستگی و رسوب‌گذاری

پایش هوشمند سلامت سازه‌های دریایی مبتنی بر هوش مصنوعی برای شناسایی آبشستگی و رسوب‌گذاری

پیام پورشیخ علی اصغری1 علیرضا مجتهدی2 محمدعلی مجتهدی یقین3

1) مهندس
2) دکتر
3) دکتر

کد IOI مقاله : ABEB-ACAGAF
محل انتشار : چهارمین کنفرانس بین المللی پیشرفت های اخیر در مهندسی، نوآوری و تکنولوژی - بلژیک(eitconf.com)
چکیده :
    پدیده آبشستگی (Scour) و رسوب‌گذاری در مجاورت پایه‌ها، یکی از بحرانی‌ترین چالش‌های ایمنی در مهندسی سازه‌های دریایی و پل‌ها محسوب می‌شود. این پژوهش با رویکردی متدولوژیک و کاربردی، به توسعه یک چارچوب هوشمند برای پایش سلامت سازه (SHM) می‌پردازد که بر تلفیق فناوری دوقلوی دیجیتال و هوش مصنوعی استوار است. در این مطالعه، یک سیستم پایش چند وجهی با بهره‌گیری از حسگرهای توزیع ‌شده نظیر فیبر نوری (DFOS) و سیستم‌های پیزوالکتریک طراحی شده است تا داده‌های دقیق کرنش و تغییرات بستر را استخراج نماید. این داده‌ها در قالب یک مدل دوقلوی دیجیتال، برای به‌روزرسانی مستمر پارامترهای مکانیکی و کاهش عدم قطعیت مدل‌های المان محدود به‌ کار گرفته شده‌اند. در بخش تحلیل داده‌ها، از الگوریتم‌های یادگیری ماشین مانند XGBoostبرای پیش‌بینی تغییرات هندسی بستر استفاده شده است که نتایج نشان‌دهنده دقت بسیار بالای مدل با ضریب تبیین فراتر از 0.92 و کاهش چشمگیر خطای RMSE است. همچنین، تأثیر رویکردهای الهام‌گرفته از زیست‌شناسی در بهبود حساسیت حسگرها مورد بررسی قرار گرفته است. یافته‌های این تحقیق نشان می دهد که گذار از بازرسی‌های دوره‌ای به سمت پایش هوشمند و پیش‌بینانه، نه تنها دقت تشخیص آسیب‌های ساختاری را به‌شدت افزایش می‌دهد، بلکه با کاهش ۲۰ تا ۳۰ درصدی عدم قطعیت مدل‌های عددی و ۳۰ تا ۴۵ درصدی هزینه‌های چرخه عمر، مدیریت ریسک و بهینه‌سازی هزینه‌های نگهداری و تعمیرات را در سازه‌های زیرساختی تضمین می‌کند.

کلمات کلیدی : پایش سلامت سازه سازه‌‌‌های دریایی یادگیری ماشین آبشستگی رسوب گذاری