تشخیص خرابی بر مبنای پارامترهای مودال و پاسخ دینامیکی با استفاده از الگوریتم گرگ خاکستری بهبود یافته | ||
| نشریه مهندسی عمران امیرکبیر | ||
| مقاله 13، دوره 53، شماره 3، خرداد 1400، صفحه 1009-1024 اصل مقاله (2.6 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22060/ceej.2019.16681.6330 | ||
| نویسندگان | ||
| پدرام قادری* ؛ یاسر شعبانی | ||
| گروه مهندسی عمران، دانشگاه علم و صنعت ایران، تهران، ایران | ||
| چکیده | ||
| خرابی در سازهها باعث کاهش سختی در بعضی از اعضای آن میشود که این کاهش سختی باعث تغییر در پارامترهای مودال سازه (فرکانس طبیعی، اشکال مودی و...) و نیز باعث تغییر در پاسخ دینامیکی سازه (شتاب، سرعت و جابجایی) میشود. بنابراین دادههای سازه سالم متفاوت با سازه آسیبدیده میباشد و میتواند به عنوان عاملی برای تشخیص خرابی مورد استفاده قرار بگیرد. اخیراً روشهای گوناگونی برای تشخیص خرابی مورد استفاده قرار گرفتهاند که در این بین روشهای غیرمخرب و استفاده از پاسخهای سازه برای تشخیص خرابی بیشتر مورد توجه قرار گرفتهاند. هدف از این مطالعه ارائه روشی برای برآورد مقادیر خرابی سازه براساس اندازهگیری بخش محدودی از مشخصات مودال (فرکانس طبیعی) و مقایسه نتایج بدست آمده با نتایج حاصل از اندازهگیری پاسخ دینامیکی سازه (شتاب) در تعداد محدودی از درجات آزادی میباشد. به منظور تشخیص خرابی دو تابع هدف تعریف گردید: یکی با استفاده از پارامترهای مودال و دیگری مبتنی بر دادههای پاسخ دینامیکی سازه. برای بهینهیابی این توابع، یک الگوریتم جدید از ترکیب الگوریتم بهینهسازی گرگ خاکستری و ازدحام ذرات تعریف و نتایج حاصل از آن با نتایج الگوریتمهای ژنتیک و ازدحام ذرات مقایسه شده است. دو مثال شامل سازه برشی 10 طبقه و خرپای دو بعدی 10 عضوی در نظر گرفته میشود و عملکرد روش پیشنهادی در شناسایی خرابی مورد ارزیابی قرار میگیرد. نتایج نشان دهنده کارایی قابل قبول روش پیشنهادی میباشد. | ||
| کلیدواژهها | ||
| تشخیص خرابی سازهها؛ دادههای مودال؛ پاسخ دینامیکی سازه؛ روشهای بهینهیابی؛ الگوریتمهای ترکیبی فراابتکاری | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 1,495 تعداد دریافت فایل اصل مقاله: 1,769 |
||
| تعداد نشریات | 9 |
| تعداد شمارهها | 455 |
| تعداد مقالات | 5,771 |
| تعداد مشاهده مقاله | 8,374,837 |
| تعداد دریافت فایل اصل مقاله | 6,933,015 |