---

آزمایش میدانی پلها با استفاده از پاسخ ناشی از بهره‌برداری پلها، از نظر اقتصادی مقرون به‌صرفه و از منظر اجرایی عملی‌ است. روشهای کلاسیک پردازش اطلاعات این‌گونه آزمایشها، بر شناسایی پارامتری و غیرپارامتری سیستم و بر نظریه آمار و احتمالات مبتنی است. نظریه یادگیری که در دو شاخه احتمالاتی و شبکه‌ عصبی مصنوعی مطرح می‌شود، روش مناسب، قابل اعتماد و کاراتری برای پردازش اطلاعات حسگرهای این نوع آزمایش در اختیار قرار می‌دهد. در این تحقیق از شبکه عصبی مصنوعی تطبیقی خطی برای پردازش اطلاعات حسگرهای کرنش و تغییر مکان استفاده شده و کاربرد آن در جایگزینی مدل اجزای محدود و کمک در معتبرسازی مدل اجزای محدود در نقاط آموزش دیده، تبیین شده است.

---

در این مقاله یک روش بروز رسانی مدل بر پایه تابع پاسخ فرکانسی با استفاده از روش اصلاح سازه با توابع پاسخ فرکانسی تجربی پیشنهاد می شود. روش با توابع پاسخ فرکانسی مختلط سروکار دارد و هدف آن بروز رسانی پارامترهای متمرکز سیستم است. روش پیشنهادی با استفاده از تعداد معدودی از توابع پاسخ فرکانسی، پارامترها را به دقت بروز می کند. یک سیستم دوازده درجه آزادی به عنوان نمونه آزمایشی عددی در نظر گرفته می شود. همگرایی روش و ظرفیت آن در بهبود دقت مدل اجزای محدود ارزیابی می گردد. علاوه بر این، اثر تعداد مودها، بازه فرکانسی محاسباتی، ناکاملی مختصات های اندازه گیری شده و نویز بر کیفیت مدل بروز شده بررسی می گردد. در نهایت از یک تیر یکسرگیردار به عنوان نمونه تجربی استفاده شده است. نتایج حاکی از آن است که توابع پاسخ فرکانسی بروز شده تطابق خوبی با معادل تجربی خود نشان می دهند.