Geri Dön

Yapay sinir ağlarıyla mühendislik yapılarının titreşim özelliklerine dayalı hasar tespiti

Damage detection based on vibration properties of engineering structures with artificial neural networks

PDF İndir

  1. Tez No: 761352
  2. Yazar: BETÜL DEMİRTAŞ
  3. Danışmanlar: PROF. DR. TEMEL TÜRKER
  4. Tez Türü: Doktora
  5. Konular: İnşaat Mühendisliği, Civil Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2022
  8. Dil: Türkçe
  9. Üniversite: Karadeniz Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 219

Özet

Bir yapıdaki hasar, yapının performansını olumsuz yönde etkileyen yapısal rijitlikte azalmaya neden olan geometri ve malzeme özelliklerinde meydana gelen değişiklikler olarak tanımlanmaktadır. Yapısal rijitlikteki azalma, doğal frekanslar ve mod şekilleri gibi titreşim parametrelerinde değişikliklere neden olmaktadır. Yapay Sinir Ağları (YSA) mükemmel örüntü tanıma yetenekleri sayesinde son yıllarda yapısal hasar tespitinde yoğun bir şekilde uygulanmaktadır. Bu çalışmada, seçilen yapıların titreşim parametreleri kullanılarak hasar yeri ve büyüklüğünün tespiti için YSA tabanlı bir hasar tespit yöntemi kullanılmıştır. Yöntemin uygulanabilirliğinin araştırılması için öncelikle seçilen yapılar üzerinde deneysel modal analiz uygulanmış ve deneysel dinamik karakteristikleri elde edilmiştir. Deneysel verilere göre yapıların başlangıç sonlu eleman (SE) modelleri kalibre edilerek mevcut durumlarını en iyi yansıtan modeller elde edilmeye çalışılmıştır. Ardından seçilen yapıların SE modelleri üzerinde hasar bölgeleri tanımlanmış ve tasarlanan hasar senaryoları için modal analizler MATLAB programı vasıtasıyla SAP2000 API üzerinden oluşturulan yazılımla daha hızlı bir şekilde gerçekleştirilmiştir. Analizlerde elastisite modülündeki değişimler dikkate alınarak frekans ve mod şekil verileri elde edilmiştir. Elde edilen titreşim verileri YSA'nın girdi parametreleri, tanımlanan her bir bölgenin elastisite değerleri de çıktı parametreleri olarak kullanılmıştır. Çelik konsol, çelik çerçeve, baraj modeli, çan kulesi, taş yığma minare ve eğri minare üzerinde gerçekleştirilen uygulamalardan YSA ile hasar tespitine dair etkin sonuçlar elde edilmiştir. Simetrik yapılarda YSA girdisi olarak sadece frekansların kullanılmasının etkili sonuçlar vermediği görülmüştür.

Özet (Çeviri)

Damage to a structure is defined as changes in geometry and material properties that cause a decrease in structural rigidity that adversely affects the performance of the structure. The reduction in structural stiffness causes changes in vibration parameters such as natural frequencies and mode shapes. Artificial Neural Networks (ANN) have been extensively applied in structural damage detection in recent years, thanks to their excellent pattern recognition capabilities. In this study, an ANN-based damage detection method was used to determine the damage location and size by using the vibration parameters of the selected structures. In order to investigate the applicability of the method firstly, experimental modal analysis was applied on the selected structures and experimental dynamic characteristics were obtained. According to the experimental data, the initial finite element (FE) models of the structures were calibrated and the models that best reflected their current state were tried to be obtained. Then, damage regions were defined on the FE models of the selected structures and modal analyzes for the designed damage scenarios were carried out more quickly with the software developed over the SAP2000 API through the MATLAB program. The frequency and mode shape data were obtained by taking into account the changes in the elasticity modulus in the analyzes. The obtained vibration data were used as the input parameters of the ANN, and the elasticity values of each defined region were used as the output parameters. Effective results were obtained for damage assessment with ANN from the applications performed on steel cantilever, steel frame, dam model, bell tower, stone masonry minaret and inclined minaret. It was seen that using only frequencies as ANN input in symmetrical structures does not give effective results.

Benzer Tezler

  1. Tez No

    632481

    CNC Torna Tezgahlarda 5 eksende titreşim ölçümü ve Yapay Sinir Ağlarıyla modellenmesi

    5 axis vibration measurement on cnc lathes and modelling by using artificial neural network

    MUHAMMED İŞCİ

    Yüksek Lisans

    Türkçe

    Türkçe

    2020

    Mekatronik MühendisliğiErciyes Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MEHMET BAHADIR ÇETİNKAYA

  2. Tez No

    316246

    Labvıew tabanlı deney modülünde dc motor hız kontrolünün yapay sinir ağlarıyla gerçekleştirilmesi

    Speed control of dc engines using labview-based experimental setup with artificial neural networks

    ÜMİT KÖK

    Yüksek Lisans

    Türkçe

    Türkçe

    2012

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAfyon Kocatepe Üniversitesi

    Elektrik Eğitimi Ana Bilim Dalı

    YRD. DOÇ. DR. FATİH ONUR HOCAOĞLU

  3. Tez No

    234047

    Çimentolu harç özelliklerine yüksek sıcaklık etkisinin belirlenmesi ve yapay sinir ağı ile modellenmesi

    Examining of the effect of high temperature on cement mortar properties and modelling by artificial neural network

    GÖKHAN DURMUŞ

    Doktora

    Türkçe

    Türkçe

    2008

    Mühendislik BilimleriGazi Üniversitesi

    Yapı Eğitimi Ana Bilim Dalı

    PROF. DR. FÜSUN DEMİREL

    PROF. DR. METİN ARSLAN

  4. Tez No

    589194

    Kernel classification of motion blurred images using artificial neural networks

    Resimlerdeki hareket bulanıklığına neden olan filtre matrislerinin yapay sinir ağları kullanılarak sınıflandırılması

    MUHAMMET ALİ ŞİRVAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Elektrik ve Elektronik MühendisliğiAnadolu Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. ÖMER NEZİH GEREK

  5. Tez No

    800214

    Comparison of artificial neural network-based and adaptive quadratic neural network-based multi-fidelity algorithms for buckling load prediction of stiffened panels

    Güçlendirilmiş panellerin burkulma yükü tahmini için yapay sinir ağı tabanlı ve adaptif kuadratik sinir ağı tabanlı çoklu doğruluk seviyeli algoritmaların karşılaştırılması

    HÜSEYİN AVNİ YAŞAR

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Havacılık MühendisliğiOrta Doğu Teknik Üniversitesi

    Bilimsel Hesaplama Ana Bilim Dalı

    DOÇ. DR. ERCAN GÜRSES

    DOÇ. DR. HAMDULLAH YÜCEL

Geri Dön