به گزارش خبرنگار اجتماعی پایگاه اطلاع رسانی اخبار فارسی به نقل از خبرگزاری دانشجو، با توسعه‌ی تکنولوژی‌های ساخت وساز، سازه‌های بزرگ مقیاس مختلفی احداث می‌شوند که همواره در معرض تهدید‌های مختلفی نظیر زلزله، انفجار باران‌های شدید و دیگر عوامل مخرب احتمالی هستند. وجود عوامل متنوع آسیب برای مصالح بتنی و فولادی و رفتار غیرخطی آنها، زوال و خوردگی سازه ها، عوامل مضر محیطی، غیرقابل پیش بینی بودن آینده و بروز عدم قطعیت‌های بسیار، بکارگیری پایش سلامت سازه‌ها را به منظور افزایش قابلیت اعتمادپذیری آن‌ها و کاهش هزینه‌های تعمیر و نگهداری ضروری می‌سازد.

با پایش مستمر وضعیت سازه، می‌توان پاسخ‌های غیرمعمول سازه را تا حد زیادی شناسایی کرد و آسیب‌های احتمالی را قبل از پیشروی ارزیابی نمود. تاکنون روش‌های متعددی برای پایش سلامت سازه‌ها ارائه شده اند که عموما به دو دسته کلی استاتیکی و دینامیکی طبقه بندی می‌شوند. روش‌های مبتنی بر ارتعاش سازه در پژوهش‌های بسیاری، مورد توجه محققین قرار گرفته اند که عمدتا از فرکانس طبیعی ارتعاش، شکل مودی، پردازش سیگنال و یا هوش مصنوعی استفاده می‌کنند. از میان روش‌های هوش مصنوعی، شبکه‌های عصبی مصنوعی به علت سرعت بالا و قابلیت مدل سازی روابط به صورت غیرخطی تاکنون در بسیاری از تحقیقات پایش سلامت سازه‌ها مورد استفاده قرار گرفته اند که البته دارای چالش‌هایی نیز هستند. از جمله مشکلات آنها می‌توان به حساسیت این شبکه‌ها به تغییرات ورودی و افت دقت آن‌ها با افزایش حجم اطلاعات اشاره کرد.

تحلیل حجم بزرگی از داده‌ها با سیستم‌های پایش سلامت سازه که دارای تعداد زیادی سنسور هستند، دارای دشواری‌هایی می‌باشد. بر این اساس شبکه‌های عصبی عمیق اخیرا توجه بسیاری از محققین را به خود جلب کرده است. اگرچه درسال‌های اخیر، روش‌های ارائه شده در زمینه‌ی پایش سلامت سازه‌ها پیشرفت قابل ملاحظه‌ای داشته اند، اما هنوز کاستی‌هایی وجود دارد. هزینه‌های تامین و نگهداری حسگر‌ها و انتقال و پردازش داده‌ها از مسائل حائز اهمیت در انتخاب روش پایش سلامت سازه‌ها می‌باشد. از آنجایی که در اغلب موارد با افزایش تعداد حسگرها، اطلاعات بیشتری از سازه بدست می‌آید، لذا بهینه سازی چیدمان و تعداد حسگرها، به نحوی که بهترین و بیشترین داده‌های مورد نیاز از وضعیت سازه را در اختیار قرار دهد، به ویژه برای سازه‌های دارای ساختار پیچیده، باید مورد توجه قرار گیرد.

چیدمان مناسب حسگر‌ها برای یک سازه‌ی واقعی نیازمند شاخص‌های ارزیابی متعددی است که باید به صورت همزمان در مقدار بهینه خود قرار داشته باشند. آنچه بسیار اهمیت دارد، افزایش دقت و سرعت و به طور همزمان کاهش هزینه پایش سازه هاست. چراکه با توجه به ابعاد و پیچیدگی‌های سازه ها، جزئیات و پارامتر‌های مختلفی باید برای پایش بررسی شوند. از سوی دیگر بررسی سلامت سازه‌ها باید به صورت مداوم انجام گیرد، در نتیجه نیاز به سیستمی با کارایی و سرعت بالا که دقت بیشتر و هزینه‌ای کمتر از کنترل کننده‌های انسانی دارد، بسیار احساس می‌شود.

روش‌های پایش از راه دور، با استفاده از لیزر و سنسور‌های فیبرنوری نیز اخیرا در پایش سلامت و شناسایی آسیب در بسیاری از سازه‌ها مورد توجه می‌باشد. به هر حال پایش سلامت سازه‌ها نیازمند اطلاعاتی از قبیل تهیه تجهیزات مورد نیاز برای ساختن سازه هوشمند بوده و برای اینکه پایش سلامت سازه مفید و موفق باشد، باید کلیه مشخصات در تمامی مراحل از شروع طراحی سازه تا جمع آوری داده‌ها بایستی مکتوب و محاسبه شده باشد.

نتایج بدست آمده از برخی از تحقیقات پیشین نشان داد که ایجاد خرابی تاثیر زیادی بر روی پاسخ‌های سازه در حوزه زمان ندارد؛ لذا تحلیل داده‌های پایش سلامت در حوزه فرکانس نیز رواج یافت. از جمله روش‌های این حوزه می‌توان به تابع پاسخ فرکانسی، طیف فرکانسی و توان طیفی اشاره کرد. در این نوع تحلیل، اطلاعات زمانی و مکانی سیگنال بطورکلی از بین می‌رود و این مشکل در مواقعی که سیگنال غیرایستا باشد، مهمتر جلوه می‌کند. این دلایل باعث شد تا محققین به روش‌هایی روی آورند که هر دو حوزه زمان و فرکانس را پوشش دهد؛ لذا روش‌های حوزه زمان فرکانس ارائه گردید که از جمله روش‌های این حوزه می‌توان به روش طیف نگاره، تبدیل موجک پیوسته و آنتروپی موجک اشاره کرد. امید است با پایش مستمر سلامت سازه‌ها با روش‌های موثر و بهینه، گام مهمی در کاهش هزینه‌های بهسازی، افزایش قابلیت اطمینان سازه‌ها و ارتقای تاب آوری کلان شهر تهران برداشته شود.