---

یکی از چالش های اصلی پرتاب ماهواره بر، قابلیت اطمینان آن ها در مقابل انواع خرابی ها می باشد.راهکار اصلی برای افزایش این قابلیت اطمینان استفاده از روش های شناسایی و تشخیص خرابی است. یکی از روش‌های شناسایی و تشخیص خرابی استفاده از روش های داده پایه نرم افزاری می باشد.چالش اصلی برای شناسایی و تشخیص خرابی توسط روش داده پایه نرم افزاری ، استخراج خروجی سنسور به طور مستقل و موازی می باشد. در این مقاله بر اساس اصل تقارن دینامیکی کانال سمت و فراز ماهواره برها سنسور نرمی طراحی می گردد که توانایی شناسایی و تشخیص انواع خرابی ها را دارد. بدین منظور ابتدا کانال سمت ژیرسکوپ با استفاده از الگوریتم مربعات خطای بازگشتی شناسایی می شود سپس با توجه به اصل تقارن دینامیکی ورودی کانال فراز که همان خیز کنترلی کانال فراز است به دینامیک شناسایی شده اعمال می گردد. خروجی این سیستم، تخمینی از آهنگ زاویه فراز است که به طور موازی با ژیرسکوپ کانال فراز در حال اندازه گیری می باشد. در این روش در صورت بروز خرابی احتمالی،سنسور طراحی شده با استفاده از جهش خطای تخمین، وقوع خرابی را اعلام می نماید. با بررسی نتایج شناسایی خرابی توسط سنسور نرم ، عملکرد مناسب سنسور طراحی شده برای شناسایی خرابی تأیید می‌گردد.

---

این مقاله به تشخیص ارتعاشی خرابی در چندلایه کامپوزیت الیاف شیشه با استفاده از آنالیز سیگنال زمانی و شبکه عصبی مصنوعی می‌پردازد. به‌منظور کاهش نویز سیگنال‌های ارتعاشی، نویز زدایی با استفاده از تبدیل موجک به انجام رسید. پس از داده‌کاوی و استخراج ویژگی‌های آماری از سیگنال‌های پردازش‌شده، شبکه عصبی به‌عنوان تشخیص‌دهنده، چندلایه کامپوزیت معیوب را شناسایی نمود. ارزیابی دقت تشخیص عیب توسط ساختارهای مختلف شبکه عصبی مصنوعی به انجام رسید که درنتیجه بهترین عملکرد شبکه عصبی مصنوعی در تشخیص خرابی انتخاب گردید. سپس، مقایسه میان دقت عیب‌یابی با استفاده از سیگنال‌های نویززایی شده توسط تبدیل های موجک مادر مختلف در مراحل تجزیه مختلف به انجام رسید تا بهترین تبدیل سیگنال جهت تشخیص خرابی مشخص گردد. نتایج نشان می‌دهد که ساختار شبکه عصبی مصنوعی بر دقت تشخیص عیب اثر مهمی خواهد داشت و مناسب‌ترین دقت در تعداد ۷۵ لایه پنهان و اختصاص ۸۰%، ۱۰% و ۱۰% داده ها به آموزش، اعتبارسنجی و تست حاصل گردید. همچنین استفاده از تبدیل های موجک مادر دوبشی ۳ و موجک مادر دو متعامد ۳,۷ در مرحله تجزیه ۲ منجر به تشخیص عیب با بالاترین دقت در میان سایر موجک های مادر در زمان مناسب تر خواهد شد. روش مذکور به عنوان روشی مبتنی بر داده‌های واقعی با داده برداری از نقاط تعیین شده، تشخیص عیب را در صفحات کامپوزیت با دقت مناسب در زمان محاسبه کوتاه انجام می‌دهد، لذا از این روش می‌توان جهت پایش وضعیت سازه های کامپوزیتی به‌صورت آفلاین و آنلاین، با افزودن قابلیت داده برداری برخط، استفاده نمود.

---

کاربرد روش‌های تشخیص آماری الگو^[۱]در پایش سلامت سازه به منظور یافتن تغییرات در سازه توجه زیادی را به خود جلب کرده ‌است. در این زمینه، رویکردهای متفاوتی توسط محققان به کار گرفته می‌شود و موفقیت یک روش بستگی به سازه یا تغییرات بوجود آمده در سازه دارد. یکی از مسائلی که در اعمال روش‌های تشخیص آماری الگو کمتر مورد توجه قرار گرفته است، متغیر بودن شرایط محیطی و کاربری در هنگام ثبت داده‌ها در کاربردهای عملی است. هدف از این مقاله معرفی کاربرد جدیدی از روش کاهش تصادفی[۲] (RD) در تشخیص خرابی به منظور ارتقای نتایج حاصل از تحلیل سری زمانی است. روش  RDاز طریق میانگین‌گیری داده‌های سری زمانی در بازه‌های زمانی مشخص، سری زمانی پاسخ سازه را به پاسخ ارتعاش آزاد کاهشی سازه[۳] که تنها شامل اطلاعاتی درباره ویژگی‌های دینامیکی سازه است، تبدیل می‌کند. از مدل اتورگرسیو- اتورگرسیو با ورودی خارجی[۴] (AR-ARX) برای برازش یک مدل ریاضی به داده‌های سری زمانی پاسخ ارتعاش آزاد کاهشی سازه استفاده شده است. پس از محاسبه خطای باقی مانده مدل، معیار جدیدی به نام معیار باتاچاریا[۵] برای تعیین وجود خرابی و مکان آن به کار گرفته شده است. . با استفاده از داده‌های حاصل از دو نمونه‌ شاخص در حوزه پایش سلامت سازه به اعتبارسنجی روش ارائه شده پرداخته شده است. نتایج نشان می‌دهد که استفاده از روش RD به علت میانگین‌گیری و نرمال‌سازی داده‌ها می‌تواند تاثیر تغییرات شرایط محیطی و کاربری را کاهش ‌دهد و وضعیت سازه را به درستی تعیین کند. همچنین استفاده از معیار باتاچاریا می تواند نتایج پایش سلامت سازه را در تشخیص وجود خرابی و تعیین مکان آن بهبود بخشد.

---

در این پژوهش به بررسی ارتعاشات آزاد یک ساختمان چهار طبقه با شرایط مرزی مشخص و پایش سلامت ساختمان بر مبنای نتایج آزمایشگاهی و به کمک روش تحلیلی آنالیز موجک پیوسته پرداخته و آسیب­هایی که ممکن است در این سازه­ها رخ دهند، مورد ارزیابی و تحلیل واقع شده­است. مدل­سازی ساختمان در نرم افزار اجزا محدود و با استفاده از مدل ساندویچی صورت پذیرفته است. در این ساختمان چهار طبقه، از ساندویچ پانلی با هشت لایه از جنس(پلی استایرن، بتن، فولاد، بتن) به­صورت متقارن استفاده و چهارده فرکانس طبیعی این سازه ساندویچی با مدل آزمایشگاهی مورد مقایسه قرار گرفته و شکل مودهای اصلی این ساختمان که در بررسی پایش سلامت این سازه تاثیر دارد، بدست آمده است. خطای کمتر از ۲,۵ درصد مطابقت مناسب بین نتایج دو مدل را آشکار می­نماید. با توجه به نتایج آزمایشگاهی، موقعیت خرابی به کمک تابع coif۵ با پارامتر مقیاس ۸ نسبت به بقیه توابع موجک با موفقیت شناسایی شده و اغتشاش بیشتری از ضرایب را در محل وقوع خرابی نشان می­دهد؛ بطوریکه ماکزیمم‌ها و مینیمم‌های نسبی پرش در ضرایب موجک، در محل وقوع خرابی‌ها اتفاق افتاده است و با در نظر گرفتن ماکزیمم یا مینیمم ضرایب موجک تولید شده در محل وقوع خرابی‌ها به عنوان مرکز خرابی، می‌توان مرکز خرابی‌ها را با خطای کمتر از %۸ شناسایی نمود. همچنین اثر مودهای بالاتر در نمایش شدت خرابی محسوس­تر می­باشد بطوریکه در مود پیچشی سازه، ماکزیمم ضرایب موجک بزرگ­تر و شدت خرابی بیشتر نمایان شده است.

---

در این مقاله روشی جهت تشخیص خرابی تیر اویلر-برنولی مبتنی بر ابر المان، ارائه شده است. روش ارائه شده با استفاده از سیگنال حوزه زمانی پاسخ ارتعاش آزاد، موقعیت و عمق ترک در تیر اولر – برنولیِ مدل شده با سختی اصلاح شده بر اساس مدل فنر پیچشی را، با سرعت و دقت بالا ارائه می­دهد. پاسخ­های تاریخچه زمانی همان شتاب­ در لبه المان­های الاستیک تیر است که در این پژوهش در معرض بار ضربه، اندازه­گیری شده­اند. شتاب­های این سازه از روش انتگرال­گیری زمانی نیومارک-بتا محاسبه می­گردد. در ابتدا تابع هدف مسئله تشخیص خرابی، جهت بهینه­سازی به روش الگوریتم ازدحام ذرات، تعریف شده و با حل مسئله بهینه­سازی در محیط متلب، شدت و محل ترک­های عرضی محاسبه می­شود. به منظور ارزیابی دقت روش ارائه شده، ۳ نمونه تیر در نظر گرفته شده است. نتایج حاکی از آن است که پس از حداکثر ۵۰ بار اجرای الگوریتم، خطای محاسباتی کمتر از ۱۰ درصد در داده­های محل و عمق ترک وجود خواهد داشت.

---

در دهه‌های اخیر علم پایش‌سلامت‌سازه نقش اساسی در پیش­گیری از خرابی و افزایش طول ‌عمر سازه‌ها ایفا کرده است. استفاده ‌از ابزار‌هایی برای انجام رفتارسنجی مطلوبست که دقت کافی را همراه با هزینه‌ی کم تحقق بخشند. برای پردازش داده­های بدست آمده از رفتارسنجی به روش‌هایی نیاز است که قادر باشند سطوح مختلف آسیب را از اطلاعات موجود شناسایی و به‌درستی عیب‌یابی کنند.
رفتارسنجی اپتیکی و عملیات فتوگرامتری بردکوتاه بدلیل هزینه کم و دقت مناسب، اخیراً مورد توجه قرار گرفته اند در این مقاله تلاش شده است تا کاربرد روش مذکور در ترکیب با روش تحلیل استقرایی (با ابزارهای مقایسه و یادگیری ماشین) برای رفتارسنجی و عیب­یابی ماکت آزمایشگاهی سازه­ی یک پل معلق که دارای رفتار نسبتاً پیچیده­ای است مورد ارزیابی قرار گیرد. به این منظور، سازه­ی پل مورد نظر تحت سه تراز بارگذاری استاتیکی در سه حالت سالم و آسیب‌ دیده در عرشه و کابل­ها مورد رفتارسنجی قرار گرفت. آسیب­ها کاملاً آگاهانه در مدل آزمایشگاهی ایجاد شدند و از اطلاعات حاصل، پایگاه‌داده‌ای از رفتار پل در حالات گوناگون ایجاد شد. به‌منظور امکان سنجی استفاده از روش­های مختلف در پردازش داده­ها و عیب­یابی، ابتدا داده‌های موجود در پایگاه، در روش­ خطی ساده (مقایسه مستقیم) و آموزش در الگوریتم­های روش­های یادگیری‌ماشین، مورد استفاده قرار گرفتند. پس از آن، مجدداً آسیب­های آگاهانه­ای در سازه­ی آزمایشگاهی  ایجاد شد تا امکان آزمون کارآیی و دقت روش­های مختلف فراهم شود. در انتها، دقت، صحت و پایداری روش­های پردازش داده ماشین ‌بردار‌پشتیبان و شبکه‌عصبی‌مصنوعی با یکدیگر مقایسه‌ شدند.
نتایج نشان داد که با توجیه به باندل اجسمنت رفتارسنجی دو بعدی اپتیکی فتوگرامتری بردکوتاه، می­توان به دقت تضمین ‌شده‌ی  mm۰۰۲۱/۰ ‌ دست یافت.‌‌‌‌‌‌‌‌‌ در سطح نخست پردازش داده­ها یعنی تشخیص وجود آسیب یا عدم‌ وجود آن موفقیت شبکه‌های عصبی بطور کامل و با دقت ۱۰۰% همراه بود و در سطح دوم یعنی تشخیص منطقه‌ی آسیب دیده، شبکه‌عصبی با تابع انتقال تانژانت‌هایپربولیک ۹۳% موفقیت داشت و ماشین‌ بردارپشتیبان با موفقیت ۶۸% همراه ‌بود.

---

ازآنجایی‌که خرابی زیرساخت‌هایی مانند پل‌ها، ساختمان‌ها، علاوه بر تلفات و خسارات سنگین، همچنین مشکلات اجتماعی و اقتصادی فراوانی را به همراه دارد. اکثر کشورهای صنعتی بودجه قابل‌توجهی را برای نظارت بر سلامت آن‌ها اختصاص می‌دهند. استراتژی‌های تشخیص خرابی و نظارت مداوم بر وضعیت سازه به‌ویژه پس از بلایای طبیعی و مصنوعی باعث می‌شود که اقدامات لازم در مراحل اولیه خرابی انجام گیرد و می‌تواند هزینه نگهداری و احتمال فروپاشی را کاهش دهد. روش‌های پایش سلامت سازه اغلب فرصتی را برای کاهش هزینه‌های نگهداری، تعمیر و مقاوم‌سازی در طول چرخه عمر سازه فراهم می‌کند. بیشتر روش‌های نظارت بر سلامت سازه که برای شناسایی آسیب‌های احتمالی پیشنهاد و اجراشده‌اند به ویژگی‌های دینامیکی سازه بستگی دارند. یکی از کاربردی‌ترین مورد ازاین‌روش‌ها که با استفاده از نتایج شناسایی سیستم حوزه زمانی به تشخیص خرابی می‌پردازد، روش بردار بار خرابی (DLV) است. ایده اصلی این روش یافتن ترکیبات باری است که میدان کرنش اعضای آسیب‌دیده را در هر دو سازه سالم و آسیب‌دیده صفر کند. ازآنجایی‌که سازه‌های خرپایی معمولاً در پل‌ها، سازه‌های با دهانه بلند و همچنین طیف گسترده‌ای از ساختمان‌های فولادی با قاب ساده و مهاربندی‌شده مورداستفاده قرار می‌گیرند، در این تحقیق قابلیت روش زیرفضای تصادفی برپایه تجزیه متعامد(SI-ORT) در  تشخیص خرابی ساختمان­های فولادی با روش DLV مورد بررسی قرار می­گیرد. برای این منظور، ساختمان مسکونی ۵ طبقه با قاب ساده تحت زلزله السنترو قرارگرفت. طبق سناریوی خرابی که با کاهش مساحت مهاربندها تعریف می­شود، سازه در  طبقات دوم و پنجم دچار  آسیب میشوند. در نتیجه بررسی‌ها مشخص‌شد که روش DLV به کیفیت مشخصات مودال مستخرج بسیار حساس بوده، بطوریکه با افزایش نویزهای خروجی­ها، این روش قدرت خود را در تشخیص خرابی سازه‌ها از دست می‌دهد؛ ازاین‌رو می‌توان نتیجه گرفت که نوع روش شناسایی سیستم تأثیر بسیار زیادی در نتایج حاصل ازاین‌روش دارد.