جواد نوروزی - دانشجوی کارشناسی ارشد سازه، دانشکده فنی و مهندسی، دانشگاه شهید باهنر کرمان، کرمان، ایران
پیمان ترک زاده - دانشیار بخش مهندسی عمران، دانشکده فنی و مهندسی، دانشگاه شهید باهنر کرمان، کرمان، ایران

تشخیص خرابی سازه ها یکی از شاخههای کنترل سلامت سازه می باشد که در دو دهه اخیر توجه بسیاری از محققین را به خودجلب کرده است. تشخیص خرابی های موضعی در سازهها و به دنبال آن برطرف کردن این عیب ها در طول عمر مفید آنها موثراست. امروزه استفاده از الگوریتم های مبتنی بر هوش مصنوعی در زمینه تشخیص خرابی سازه ها مورد توجه بسیاری از محققینقرار گرفته است. در این تحقیق، جهت تشخیص مکان و شدت خرابی، یک روش دو مرحلهای جدید پیشنهاد شده است. بدینمنظور در مرحله اول، المان های محتمل خرابی با استفاده از شاخص انرژی کرنشی مودال شناسایی میگردد و در مرحله دومفقط شدت آسیب المان های مشخص شده در مرحله قبل بوسیله الگوریتم رگرسیون بردار پشتیبان مشخص میشود. به منظوربهبود عملکرد رگرسیون بردار پشتیبان، از یک تابع کرنل موجکی ترکیبی پیشنهادی استفاده شده است. برای مقایسه سیستممبتنی بر رگرسیون بردار پشتیبان اصلاح شده ، نتایج حاصله از ان با سیستم مشابه مبتنی بر شبکه عصبی تابع بنیادی شعاعیمقایسه شده است. به منظور ارزیابی عملکرد روش پیشنهادی، مثالهای عددی حل شده و نتایج بیانگر کارایی و دقت مطلوبروش پیشنهادی می باشد.

تشخیص خرابی سازه ها، رگرسیون بردار پشتیبان، انرژی کرنشی مودال، شبکه عصبی تابع بنیادی شعاعی