TY - JOUR ID - 4182 TI - عیب‌یابی سازه جکتی فراساحلی با استفاده از پاسخ‌‌های دینامیکی بر پایه مدل شبیه‌سازی‌شده، حالت سالم مدل واقعی و شبکه عصبی خود رمزنگار عمیق JO - نشریه مهندسی مکانیک امیرکبیر JA - MEJ LA - fa SN - 2008-6032 AU - موسوی, زهره AU - ورهرام, سینا AU - اتفاق, میر محمد AU - صادقی, مرتضی AU - رضوی, سید ناصر AD - دانشگاه تبریز Y1 - 2021 PY - 2021 VL - 53 IS - شماره 6 (Special Issue) SP - 3783 EP - 3808 KW - پایش وضعیت KW - سازه جکتی فراساحلی KW - به‌روزرسانی مدل KW - شبکه عصبی عمیق DO - 10.22060/mej.2020.18553.6843 N2 - ازآنجایی‌که هزینه نگهداری و تعمیر سیستم‌های مکانیکی اعم از سازه‌ها و ماشین‌های دوار بسیار بالاست، یکی از راه‌های کاهش این هزینه‌ها، درنظرگرفتن تدابیری جهت بررسی عیوب در این سیستم‌ها قبل از هر نوع کار عملی است. در این مطالعه روش جدیدی برای عیب‌یابی سازه جکتی فراساحلی در حضور عدم‌ قطعیت‌های مختلف مانند خطاهای مدل‌سازی، خطاهای اندازه‌گیری و نویزهای محیطی بر پایه مدل شبیه‌سازی‌شده و حالت سالم مدل واقعی ارائه‌شده است. در روش پیشنهادی، داده‌های سازه سالم واقعی برای به‌روزرسانی پارامترهای مدل شبیه‌سازی‌شده استفاده شده‌اند. برخی از بخش‌های سیگنال‌ که مربوط به ذات سیستم نیستند، با استفاده از روش تجزیه مود تجربی دسته‌ای کامل حذف شده‌اند. داده‌های فرکانسی با استفاده از روش تجزیه حوزه فرکانس از سیگنال‌های ارتعاشی استخراج شده‌اند. یک شبکه عصبی خود رمزنگار عمیق، به‌منظور یادگیری ویژگی‌های حساس به عیب از داده‌های فرکانسی و عیب‌یابی سازه طراحی‌شده است. به‌منظور آموزش شبکه عمیق پیشنهادی، از داده‌های فرکانسی مدل شبیه‌سازی‌شده و حالت سالم مدل واقعی استفاده شده‌است. پس‌ازآن، داده‌های فرکانسی سازه واقعی برای ارزیابی شبکه عمیق پیشنهادی استفاده شده‌است. نتایج حاصله نشان می‌دهد که استفاده از روش پیشنهادی برای عیب‌یابی سازه جکتی فراساحلی صحت بالاتری نسبت به سایر روش‌های مقایسه‌ای دارد. UR - https://mej.aut.ac.ir/article_4182.html L1 - https://mej.aut.ac.ir/article_4182_0363fa5d289bdc87ab2277ecc7ad8b79.pdf ER -