پیشرفت های اخیر در زمینه شناسایی آسیب سازه ها با استفاده از داده کاوی
چکیده
1 مقدمه
2 داده‌کاوی (DM)
3 داده‌کاوی مبتنی بر رده‌بندی و پیش‌بینی در شناسایی آسیب سازه‌ای
۳.۱ شبکه عصبی مصنوعی (ANN)
۳.۲ تکنیک منطق فازی
۳.۳ رده‌بندی
۳.۴ ماشین بردار پشتیبانی (SVM)
۳.۵ تحلیل رگرسیون
۳.۶ تحلیل مؤلفه‌های اصلی (PCA)
۳.۷ تحلیل بیزی
۳.۸ دسته‌بندی
۳.۹ درخت تصمیم
4 داده‌کاوی مبتنی بر بهینه‌سازی در شناسایی آسیب سازه‌ای
۴.۱ الگوریتم‌های ژنتیک (GA)
۴.۲ بهینه‌سازی دسته ذرات (PSO)
۴.۳ بهینه‌سازی کلونی مورچه‌ها (ACO)
5 نتایج و تشریح مطالب
۵.۱ مقایسه کاربردهای تکنیک‌های داده کاوی در نظارت بر سلامت سازه‌ها
۵.۲ قابلیت‌ها و محدودیت‌ها
6 نتیجه‌گیری
Abstract
1 INTRODUCTION
2 DATA MINING (DM)
3 CLASSIFICATION AND PREDICTION-BASED DATA MINING IN STRUCTURAL DAMAGE DETECTION
3.1 Artificial Neural Network (ANN)
3.2 Fuzzy Logic Technique
3.3 Classification
3.4 Support Vector Machine (SVM)
3.5 Regression Analysis
3.6 Principal Component Analysis (PCA)
3.7 Bayesian Analysis
3.8 Clustering
3.9 Decision Tree
4 OPTIMIZATION-BASED DATA MINING IN STRUCTURAL DAMAGE DETECTION
4.1 Genetic Algorithms (GA)
4.2 Particle Swarm Optimization (PSO)
4.3 Ant Colony Optimization (ACO)
5 RESULTS AND DISCUSSIONS
5.1 Comparison of DMTs Applications in SHM
5.2 Capabilities and limitations
6 CONCLUSION
چکیده
معمولاً سازه‌های عمرانی طی عمر بهره‌برداری‌شان به آسیب حساس‌اند و این امر منجر به از بین رفتن قابلیت بهره‌برداری و ایمنی‌شان می‌شود. بنابراین، یکپارچگی سازه‌ها را می‌توان با ارزیابی آسیب تضمین کرد. در نتیجه، روش شناسایی آسیب سازه‌ای که شامل دو جزء است، یعنی مجموعه‌ای از شتاب‌سنج‌ها برای ثبت داده‌های پاسخ سازه‌ای و شیوه داده‌کاوی (DM)، در استخراج اطلاعات سلامت سازه کاربرد وسیعی دارد. در چند دهه اخیر، شیوه داده‌کاوی به جهت قابلیت محاسباتی بالای‌اش به عنوان تکنیکی جامع راهکارهای بسیاری را برای مسائل نظارت بر سلامت سازه (SHM) فراهم کرده است. این مقاله با مروری گسترده بر مقالات مرتبط با کاربرد تکنیک‌های داده‌کاوی (DMT) مورد هدف در روش‌های داده‌کاوی مبتنی بر رده‌بندی، پیش‌بینی و بهینه‌سازی، اولین تلاشی را که برای تشریح کاربرد این تکنیک‌ها در SHM صورت گرفت معرفی می‌کند. براساس این رده‌بندی، کاربردهای تکنیک‌های داده‌کاوی در زمینه تحقیقاتی SHM رده‌بندی می‌شوند و نتیجه می‌گیریم که در دهه گذشته، کاربردهای‌شان در حوزه SHM با روندی روزافزون به مرحله پیاده‌سازی رسیده است، و مشهورترین تکنیک‌ها در این زمینه به‌ترتیب شبکه عصبی مصنوعی (ANN)، تحلیل مؤلفه‌های اصلی (PCA) و الگوریتم ژنتیک (GA) بوده‌اند.
مقدمه
در مهندسی عمران، سیستم‌های سازه‌ای نظیر ساختمان‌های مرتفع، سازه‌های هیدرولیکی طویل و پل‌های بلنددهانه در بارگذاری‌های مختلفی مثل خستگی، پیرشدگی، اضافه‌بار، زلزله و سایر فجایع طبیعیِ عمر بهره‌برداری‌شان آسیب‌پذیرند (دوان و ژانگ ۲۰۰۶، حکیم و رزاک ۲۰۱۴الف، خانزایی و همکاران ۲۰۱۵، قائدی و همکاران ۲۰۱۶، ۲۰۱۷الف،ب). آسیب می‌تواند کارکرد و ایمنی سازه را مختل کند. ازین‌رو، شناسایی آسیب یکی از مهم‌ترین فاکتورهایی است که یکپارچگی و ایمنی سازه‌های عمرانی را تضمین می‌کند (کانوار و همکاران ۲۰۰۷، سو و همکاران ۲۰۱۲، حکیم و رزاک ۲۰۱۴ب، حنیف و همکاران ۲۰۱۶).
Abstract
Civil structures are usually prone to damage during their service life and it leads them to loss their serviceability and safety. Thus, damage assessment can guarantee the integrity of structures. As a result, a structural damage detection approach including two main components, a set of accelerometers to record the response data and a data mining (DM) procedure, is widely used to extract the information on the structural health condition. In the last decades, DM has provided numerous solutions to structural health monitoring (SHM) problems as an all-inclusive technique due to its powerful computational ability. This paper presents the first attempt to illustrate the data mining techniques (DMTs) applications in SHM through an intensive review of those articles dealing with the use of DMTs aimed for classification-, prediction- and optimization-based data mining methods. According to this categorization, applications of DMTs with respect to SHM research area are classified and it is concluded that, applications of DMTs in the SHM domain have increasingly been implemented, in the last decade and the most popular techniques in the area were artificial neural network (ANN), principal component analysis (PCA) and genetic algorithm (GA), respectively.
1 INTRODUCTION
Structural systems in civil engineering such as tall buildings, long hydraulic structures, and long span bridges are damage-prone under different loadings such as fatigue, aging, overloading, earthquakes and other natural disasters during their service life (Duan and Zhang 2006; Hakim and Razak 2014a; Khanzaei et al. 2015; Ghaedi et al. 2016, 2017a, b). Existence of damage can disturb functionality and safety of the structure. Therefore, damage detection is one of the most important factors in order to guarantee the integrity and safety of civil structures (Kanwar et al. 2007; Xu et al. 2012; Hakim and Razak 2014b; Hanif et al. 2016).
- اصل مقاله انگلیسی با فرمت ورد (word) با قابلیت ویرایش
- ترجمه فارسی مقاله با فرمت ورد (word) با قابلیت ویرایش، بدون آرم سایت ای ترجمه
- ترجمه فارسی مقاله با فرمت pdf، بدون آرم سایت ای ترجمه
تاکنون دیدگاهی برای این نوشته ارسال نشده است
دیدگاه خود را بنویسید: