محمدرضا حائری یزدی - دانشیار دانشکده مکانیک دانشگاه تهران
نوید مشتاقی یزدانی - دانشجوی کارشناسی ارشد مکاترونیک دانشگاه تهران
حمیدرضا معتمدزاده - دانشجوی کارشناسی ارشد مکاترونیک دانشگاه تهران

سیستم های طبقه بند توسعه یافتهXCS) از جمله ابزارهای هوش مصنوعی هستند که به دلیل سرعت و دقت بالا در تشخیص الگوهای موجود در مجموعه ای از داده های تجربی و توانایی تعمیم این الگوهابه دادههای جدید، در سالهای اخیر کاربرد گستردهای در حل مسایل مهندسی یافتهاند. این سیستمها با ایجاد مجموعهای از قوانین تصادفی و تکامل بخشیدن آنها بر اساس روشهای الهام گرفته شدهاز فرآیند یادگیری انسان، به تدریج به درک جامعی از محیط تحتبررسی میرسند که آنها را قادر میسازد تا در برخورد با موارد جدید، پاسخ صحیح را با دقت قابل قبولی پیشبینی کنند. در این مقاله تعیین طول ترک در تیرهای طرهای آسیب دیده بهکمک سیستمهای طبقهبند توسعهیافته پیشنهاد می گردد. دادههای مورد نیاز برای تربیت سیستم از طریق ایجاد ترکهای متنوع طولی با اندازههای مختلف در یک تیر طرهدار و بررسی تغییرات ایجاد شدهدر فرکانسهای مودهای مختلف ارتعاشی در اثر وجود این ترکها ایجاد میگردد. این دادهها سپس برای آموزش و تست سیستم طبقه بند مورد استفاده قرار میگیرد. مقایسه نتایج بدست آمده از روش پیشنهادی با نتایج آزمایشگاهی نشان دهندهی دقت 88 درصدی روش پیشنهادی در تشخیص صحیح طول ترکها می باشد.

پایش سلامت سازه، تعیین طول ترک، سیستمهای طبقه بندگسترش یافتهXCS(