پایان نامه با کلید واژه های آسیب، روشهای، الگوریتم

استاتیکی را برای شناسایی آسیب در یک تیر طرهای شکل بررسی نمودند. در این تحقیق آنها بر روی رابطه اساسی بین شکل مدی و تغییر شکل استاتیکی تیرها بحث نمودند. تیر مورد بحث آنها تیر طره اولر- برنولی دارای ترک بود. نتایج نشان داد، حساسیت کلی سیستم شامل تئوری خاص برای بهینه نمودن شناسایی آسیب در تیر طره میباشد [141] .
بختیارینژاد و همکاران در سال 2005 در راستای تشخیص آسیب در سازه با در نظرگیری نوفه اقداماتی انجام دادند. آنها با استفاده از معادلات غیرخطی مرتبط با تغییرات پاسخ استاتیکی سازه توانستند محل و شدت آسیب را شناسایی نمایند. از اصول بهینهسازی برای حل معادلات جهت کمینه نمودن اختلاف بین بردارهای بار در سازه آسیب دیده و بدون آسیب استفاده نمودند. در نهایت برای سازه خرپایی شکل این روش بررسی و صحت آن اثبات گردید [142] .
در سال 2007 کادمی و همکاران برای تشخیص ترک در تیر الاستیک از اندازهگیریهای استاتیکی بهره جستند. ایشان برای تشخیص یک ترک در تیر از تغییرشکل استاتیکی استفاده نموده و ترک را به صورت فنر خطی میان دو قطعه از تیر مدل نمودند. دراین راستا از آنالیز معکوس برای یافتن محل و شدت این ترک با تابعی از تغییر شکل برای اندازهگیریهایی در حالتهای متفاوت تکیهگاهی استفاده نمودند. اما در نظر گرفتن نوفه در این مطالعات به کارهای آینده موکول شده است[143].
در ادامه مطالعاتی که کادمی [144] در زمینه تشخیص آسیب انجام دادند، در سال 2006 با پارامترهای تشخیص آسیب در تیر الاستیک با استفاده از اطلاعات استاتیکی به بررسی میزان تاثیر خطای دستگاهی پرداختند. ایشان با در نظرگیری یک تیر مستقیم اولر- برنولی با خرابی متمرکز در آن به تشخیص محل و شدت آسیب با اندازهگیری تغییرمکانها با آزمایشات استاتیکی اقدام نمودند. خطای دستگاهی به صورت یک پارامتر احتمالی تجمعی با تغییرمکان اندازهگیری شده، در نظر گرفته شده است. در این تحقیق سعی شده است تا با تغییر موقعیت دستگاهها، خطای وارده حداقل گردد[144]…..
جلمستاد و همکاران [145] برای تشخیص و ارزیابی آسیب در سازهها در سال 1997 آسیب را به صورت کاهش در برخی پارامترهای ترکیبی در مدل اجزای محدود مدلسازی نمودند. در این تحقیق ارزیابی آسیب در یک سازه خرپایی شکل صورت گرفت. تا آن زمان صرفا با این روشها به تشخیص محل آسیب پرداخته شده بود که با این مطالعات شدت آسیب نیز در هر عضو بدست آورده شد. شبیهسازی توسط به کارگیری روش مونت کارلو در دو حالتی که آزمایش صورت گرفته بود، انجام گردید.
ینگ و همکاران [146] در سال 2009 با استخراج پدیده همبستگی میان نقصها روشی نوین را برای تشخیص آسیب در پل بر اساس نقص ارائه دادند. در ابتدا تصویر همبستگی نقص را ترسیم کردند و براساس آن روشی برای این نمودار پیشنهاد دادند. سپس یک الگوریتم جدید را برای مکانیابی دستههای آسیب یا نقص ارائه دادند. در نهایت کارایی این روش جدید را برای بکارگیری آن در یک پل واقعی اثبات نمودند و به این نتیجه رسیدند که برخی پارامترهای دیگر نیز مانند دما، تنشهای پسماند و غیره از اهمیت خاصی برخوردار است.
2-15- جمعبندی
در این فصل، هدف ارائه یک نمودار کلی از روشهای مختلف تشخیص آسیب در سازهها و بیان جایگاه روشهای پیشنهادی در این رساله، در میان این روشهاست. همانطوریکه در شکل 2-1 نشان داده شده است. انواع روشهای مختلف تشخیص آسیب در سازهها قابل تقسیمبندی است. از تقسیمبندی ارائه شده و توضیحات بیان شده در بخشهای پیشین، میتوان دریافت که روشهای تشخیص آسیب کلی دارای کابرد و اهمیت بیشتری میباشند و نتایج آن فراگیرتر است. لذا در این تحقیق تمرکز اصلی بر روی این روشها میباشد. در بخش اصلی این رساله، هدف ارائه روشهای مبتنی بر اطلاعات استاتیکی و هچنین استاتیکی میباشد. همانگونه که ذکر گردید روش پیشنهادی اول – با استفاده از اطلاعات استاتیکی- از بردارهای تغییرمکان در حالت سالم و آسیب دیده برای تشکیل تابع هدف در قالب یک مسئله بهینهیابی استفاده شده است. در روش پیشنهادی دوم- با استفاده از اطلاعات دینامیکی با استفاده فرکانس مبتنی بر بردارهای نیروی باقیمانده و همچنین تغییرات فرکانس برای تشکیل تابع هدف و حل این مسئله بهینهیابی استفاده شده است.
لازم به ذکر است برای بهینهیابی باید از الگوریتمهای بهینهیاب بهره جست و در فصل سوم روشهای مختلف بهینهیابی و الگوریتمهای بکار رفته مورد بحث و بررسی قرار گرفته است.
فصل سوم- روشها و الگوریتمهای بیهنهیابی
3-1- مقدمه
با توجه به کاربردهای وسیع بهینهیابی امروزه در علوم مهندسی بهرهگیری از الگوریتمهای بهینهیابی گسترش یافته است.
در واقع عمل بهینهیابی بر روی یک تابع هدف برای بدست آوردن پاسخ( پاسخهای بهینه) با شروط مطرح شده در مسئله صورت میپذیرد. لازم به ذکر است انتخاب نوع الگوریتم متناسب و سازگار با تابع هدف و مسئله به عنوان مهارتی خاص مطرح است.
در مسئله پایش سلامت و تشخیص آسیب در سازه استفاده از الگوریتمهای بهینهیابی نقش به سزایی ایفا مینماید. در تشخیص آسیب تابع هدف با متغیرهایی از مشخصات آسیب در المان تعریف میگردد.
با رسیدن به این مورد که تابع هدف کمینه گردد میتوان میزان و محل آسیب رخداده را بدست آورد. این بدین معنی است که هر چه تابع هدف را به عدد کمینه نزدیک کنیم تشخیص محل و میزان آسیب دقیقتر خواهد بود.
در ادامه در این فصل به برای آشنایی بیشتر به بیان توضیحات در خصوص الگوریتمهای بهینهیابی و روشهای مربوطه در خصوص تشخیص آسیب پرداخته شده است.
3-2- انواع روشهای بهینهیابی
روشهای بهینهیابی دارای دو بخش فرآیند پیشرفت و نقاط بهینه هستند، که در فرآیند پیشرفت نحوه رسیدن به نقاط بهینه صورت میگیرد. با توجه به مطالب ذکر شده روشهای بهینهیابی به سه قسمت تقسیم میگردند که انتخاب هر کدام از این روشها بستگی به سرعت همگرایی در مسئله خاص را دارد:
1- روشهای شمارشی، که بر پایه شمارش بهینهیابی صورت میگیرد.
2- روشهای محاسباتی- عددی، که بر اساس روشهای مبتنی بر سعی و خطا یا صفر کردن گرادیان تابع است.
3- روشهای تکاملی، در این روشها هدف جستجو و یافتن فضای موثر پاسخ به جای یافتن جوابهای بهینه مطلق است.
لازم به ذکر است گاهی یافتن پاسخ صرف ممکن نیست لذا تنها یافتن جواب کلی میتواند بسیار مهم باشد. در ادامه به توضیح روشهای مذکور پرداخته شده است.
3-2-1- روشهای شمارشی
این روش بر اساس شمارش و مقایسه اعداد با یکدیگر صورت میپذیرد. در نهایت مقدار خواسته شده از میان مجموعه انتخاب میگردد. بنابراین برای مجموعههای کوچک کاربرد دارد.
3-2-2- روشهای محاسباتی- عددی
در این روش تابع هدف را در یک بردارn متغیره متشکل از پارامترهای طراحی تحت شرایط k معادله p نامعادله بهینه (کمینه یا بیشینه) نمود:
(3-1)
برای این گونه حلها میتوان از روشهای مستقیم یا غیر مستقیم استفاده نمود لذا برای روش مستقیم یک مقدار برای x فرض میشود و سپس با سعی و خطا تابع f(x) بهینه میگردد.
این روشها اشکالات خاص خود را دارند نظیر اینکه در سایر نقاط اکسترمم جواب یافته میشود و همچنین فقط در توابع پیوسته کاربرد دارد.
3-2-3- روشهای تکاملی
روشهای تکاملی زیر مجموعه از الگوریتمهای فرا ابتکاری [147] میباشند. الگوریتم ژنتیک22، الگوریتم بهینهیابی گروه ذرات23، الگوریتم بهینهیابی مورچگان24، شبکههای عصبی مصنوعی25، الگوریتم جستجوی سیستم باردار شده26، الگوریتم انفجار بزرگ27، جستجوی ممنوع28 و روش الگوکاوی29 از جمله روشهای مطرح در الگوریتمهای تکاملی هستند. هدف این گونه الگوریتمها جستجو و یافتن پاسخهای موثر به جای یافتن جوابهای بهینه است. لازم به ذکر است این روشها اغلب با تقریب قابل قبولی جواب را ارائه میدهند.
3-3- الگوریتم ژنتیک
3-3-1- مقدمه
روشهای موجود برای حل یک مساله به‍ینهیاب‍ی در حالت کل‍ی بصورت الگوریتمهای برنامهریزی خط‍ی و غ‍یرخط‍ی م‍یباشند که هر یک از آنها فقط برای استفاده در حل ط‍یف خاص‍ی از مسائل مناسب هستند. به علاوه آنها از اطلاعات بدست آمده از مراحل قبل‍ی جستجو استفاده نم‍یکنند و یا به عبارت دیگر از آنها درس نم‍یگ‍یرند. تقریباً تمام الگوریتمها فقط از گرادیان اطلاعات برای جستجو استفاده م‍یکنند و به محض رس‍یدن به اول‍ین جواب حداقل متوقف م‍یشوند. در حال‍ی که انسان به عنوان یک طراح همواره در مراحل مختلف طراح‍ی مشغول جمعآوری و به هنگام کردن اطلاعات و استفاده از تجرب‍یات خود است.
الگوریتم ژنتیک با هدف حل این مشکل و رس‍یدن به جواب به‍ینه مطلق بوجود آمدهاند. اما کارایی آنها ن‍یز بستگ‍ی به نوع مساله دارد. الگوریتمهای ژنتیک الگوریتمهای جستجو هستند که بر اساس انتخاب طب‍یع‍ی و فرایندهای ژنتیک‍ی طب‍یع‍ی بنا نهاده شدهاند. در این الگوریتمها با ترک‍یب اصل بقای برترها و یک دسته عملگرهای اتفاق‍ی روش‍ی برای جستجوی پاسخ به‍ینه حاصل شده است. اگرچه الگوریتم ژنتیک در هر مرحله با استفاده از عملگرهای اتفاق‍ی پ‍یش م‍یرود اما بر خلاف روش جستجوی اتفاق‍ی از اطلاعات بدست آمده در مراحل قبل برای رس‍یدن به جواب بهتر بهره م‍یگ‍یرد.
عدم توقف در حداقلهای موضع‍ی و رس‍یدن به جواب به‍ینه مطلق و عدم ن‍یاز به مشتق تابع و در نت‍یجه امکان به‍ینهیاب‍ی توابع غ‍یرپ‍یوسته دلایل‍ی است که بکارگیری روزافزون این روش را موجب شده است. بعلاوه در الگوریتم ژنتیک به جای محاسبه دریک نقطه از فضای طراح‍ی محاسبات بر روی مجموعه ای از نقاط انجام م‍یشود و حرکت ازیک نقطه از فضای طرح به نقطه دیگر به صورت اتفاق‍ی انجام م‍یپذیرد. لذا م‍یتوان برای افزایش سرعت محاسبات از روشهای تحل‍یل‍ی موازی استفاده نمود.
با توجه به این توض‍یحات الگوریتم ژنتیک با روشهای کلاسیک به‍ینهیاب‍ی دارای چهار اختلاف اساس‍ی است [148]:
الف- الگوریتم ژنتیک بر روی کد تعریف شده برای متغ‍یر عمل م‍یکند (ژنها) و نه خود متغ‍یر
ب- الگوریتم ژنتیک در هر لحظه در چند نقطه به دنبال جواب به‍ینه است و نه دریک نقطه
ج- الگوریتم ژنتیک نیازی به مشتق تابع هدف ندارد و م‍یتواند برای توابع ناپ‍یوسته ن‍یز مورد استفاده قرار گ‍یرد.
د- الگوریتم ژنتیک از عملگرهای اتفاق‍ی بهره م‍یگ‍یرد.
این الگوریتم در هر مرحله بر اساس مشخصههای طرح موجود و با تغ‍ی‍یر کدهای‍ی که بعداً تشریح خواهد شد، طرحهای جدیدی را معرف‍ی م‍یکند

مطلب مرتبط با این موضوع :  مقاله با موضوعناخودآگاه، مدارس متوسطه، پرسش نامه

دیدگاهتان را بنویسید