بررسی عملکرد الگوریتم ژنتیک فازی و شبکه عصبی در بهینه سازی سیستم پایش سلامت سازه ای پل

پاسخ دینامیکی سازه ها در اثر آسیب های وارده تغییر کرده و این امر یکی از روش های تشخیص عیوب سازه ای می باشد. به این ترتیب امکان تعیین محل و شدت آسیب فراهم می شود. در این تحقیق مساله پایش سلامت سازه ای پل بر اساس پارامترهای مودال به صورت یک مساله بهینه سازی با استفاده از دو روش ژنتیک فازی (مبتنی بر فرکانس) و شبکه عصبی (مبتنی بر انرژی کرنشی مودال)  مطرح می گردد و کارایی این دو روش در تعیین موقعیت و تشخیص شدت خرابی ارزیابیمی شود. برای مطالعه تشخیص خرابی، مدل عددی پل کروچیلد به وسیله مشخصات دینامیکی آن شبیه سازی شده و برای تشخیص سناریوهای مختلف خرابی استفاده شده است. در روش اول فرکانس طبیعی و در روش دوم انرژی کرنشی مودال به عنوان پارامتر حساس به خرابی انتخاب شده است. استفاده از مدل های ساده شده در مطالعه رفتار پل ها به دلیل سادگی و دقت قابل قبولی که دارند بسیار مرسوم است. نتایج این تحقیق نشان می دهد با مدل ساده شده پل و بکارگیری سیستم فازی می توان با حجم محاسبات و پیچیدگی کمتر به دقت قابل قبولی جهت شناسایی خرابی دست یافت. عدم قطعیت موجود در اندازه گیری های تجربی و فرآیند مدل سازی از طریق نویز اضافه شده به داده ها، شبیه سازی شده است. نتایج نشان می دهد در صورت وجود 20 درصد نویز در اطلاعات ورودی، سیستم فازی با دقت قابل قبولی می تواند حدود خرابی را مشخص کند. مقایسه نتایج دو روش تشخیص خرابی بکار گرفته شده نشان می دهد، سیستم فازی در برابر عدم قطعیت های موجود حساسیت کمتری دارد.