عیب یابی سازه جکتی فراساحلی با استفاده از پاسخ های دینامیکی بر پایه مدل شبیه سازی شده، حالت سالم مدل واقعی و شبکه عصبی خود رمزنگار عمیق

ازآنجایی که هزینه نگهداری و تعمیر سیستم های مکانیکی اعم از سازه ها و ماشین های دوار بسیار بالاست، یکی از راه های کاهش این هزینه ها، درنظرگرفتن تدابیری جهت بررسی عیوب در این سیستم ها قبل از هر نوع کار عملی است. در این مطالعه روش جدیدی برای عیب یابی سازه جکتی فراساحلی در حضور عدم قطعیت های مختلف مانند خطاهای مدل سازی، خطاهای اندازه گیری و نویزهای محیطی بر پایه مدل شبیه سازی شده و حالت سالم مدل واقعی ارایه شده است. در روش پیشنهادی، داده های سازه سالم واقعی برای به روزرسانی پارامترهای مدل شبیه سازی شده استفاده شده اند. برخی از بخش های سیگنال که مربوط به ذات سیستم نیستند، با استفاده از روش تجزیه مود تجربی دسته ای کامل حذف شده اند. داده های فرکانسی با استفاده از روش تجزیه حوزه فرکانس از سیگنال های ارتعاشی استخراج شده اند. یک شبکه عصبی خود رمزنگار عمیق، به منظور یادگیری ویژگی های حساس به عیب از داده های فرکانسی و عیب یابی سازه طراحی شده است. به منظور آموزش شبکه عمیق پیشنهادی، از داده های فرکانسی مدل شبیه سازی شده و حالت سالم مدل واقعی استفاده شده است. پس ازآن، داده های فرکانسی سازه واقعی برای ارزیابی شبکه عمیق پیشنهادی استفاده شده است. نتایج حاصله نشان می دهد که استفاده از روش پیشنهادی برای عیب یابی سازه جکتی فراساحلی صحت بالاتری نسبت به سایر روش های مقایسه ای دارد.