ارزیابی کارایی ویژگی های دینامیکی سرعت مطلق تجمعی و شدت آریاس در تشخیص آسیب سازه ای تحت اثر باد: مطالعه موردی بر روی دکل فولادی
پذیرفته شده برای ارائه شفاهی ، صفحه 1-8 (8)
کد مقاله : 1091-ISAV2024 (R1)
نویسندگان
1دانشجوی کارشناسی ارشد مهندسی سازه دانشکده مهندسی عمران، دانشکده مهندسی، دانشگاه تهران، تهران، ایران
2عضو هیات علمی دانشگاه تهران
چکیده
یکی از مهم ترین مسائل در علم پایش سلامت سازه تشخیص به موقع و پیشگیری وقوع حوادث احتمالی است. این مقاله به بررسی کارایی دو ویژگی دینامیکی ویژگیهای شدت آریاس و سرعت مطلق تجمعی در تشخیص و مکانیابی آسیب سازهای تحت تأثیر عوامل محیطی میپردازد. مطالعه موردی بر روی یک دکل فولادی در معرض تغییرات دما و سرعت باد انجام شده است. برای تحلیل دادههای ارتعاشی، ابتدا فرآیند پیشپردازش و نرمالسازی دادهها با استفاده از نرمافزار MATLAB انجام شد و با استفاده از روش نرمالسازی تغییرات ناشی از باد حذف شد .ویژگیهای شدت آریاس و سرعت مطلق تجمعی به عنوان شاخصهای حساس به تغییرات دینامیکی سازه در تشخیص آسیب با دقت بالایی عمل کرده و علاوه بر این، قابلیت مکانیابی نقاط آسیبدیده را نیز دارند. در مجموع این مطالعه نشان داد که ترکیب ویژگیهای دینامیکی شدت آریاس و سرعت مطلق تجمعی همراه با نرمالسازی دادهها، میتواند روشی مؤثر و کارآمد برای تشخیص و مکانیابی آسیب در سازهها تحت تأثیر شرایط محیطی باشد و نقش مؤثری در پایش سلامت سازهها در شرایط واقعی و متغیر ایفا کند.
کلیدواژه ها
Title
Evaluation of the Efficiency of Dynamic Features: Cumulative Absolute Velocity and Arias Intensity in Structural Damage Detection under Wind Effect: A Case Study on a Steel Tower
Authors
Yasaman Rastymanesh, Seyedeh Masoumeh MirRazaqi, Fatemeh mirzakhani, maryam bitaraf
Abstract
One of the most important issues in structural health monitoring is the timely detection and prevention of potential accidents. This article examines the efficiency of two dynamic features, Arias Intensity, and Cumulative Absolute Velocity, in detecting and localizing structural damage under the influence of environmental factors. A case study was conducted on a steel tower exposed to temperature variations and wind speed. For vibration data analysis, preprocessing and normalization were initially carried out using MATLAB software, and wind-induced variations were eliminated through normalization. Arias Intensity and Cumulative Absolute Velocity, as features sensitive to structural dynamic changes, demonstrated high accuracy in damage detection and could localize damaged areas. Overall, this study showed that combining dynamic features such as Arias Intensity and Cumulative Absolute Velocity with data normalization can provide an effective and efficient method for detecting and localizing damage in structures under the influence of environmental conditions, playing a significant role in structural health monitoring in real and variable conditions.
Keywords
Structural health monitoring, damage detection, Damage Localization, Damage-Sensitive Features, Cumulative Absolute Velocity, Arias Intensity