Geri Dön

Reliability assessment based on structural health monitoring data and bayesian updating of structural models

Yapısal sağlık izleme verilerine ve yapısal modellerin bayes güncellemesine dayalı güvenilirlik değerlendirmesi

  1. Tez No: 890388
  2. Yazar: ERTUĞRUL TÜRKER UZUN
  3. Danışmanlar: PROF. DR. ENGİN AKTAŞ, DOÇ. DR. ÇAĞLAYAN HIZAL
  4. Tez Türü: Doktora
  5. Konular: İnşaat Mühendisliği, Civil Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: İngilizce
  9. Üniversite: İzmir Yüksek Teknoloji Enstitüsü
  10. Enstitü: Mühendislik ve Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 134

Özet

Sonlu elemanlar (FE) modelleri yapıların sayısal modellenmesinde yaygın olarak kullanılmaktadır ancak varsayımları yanlışlıklara ve belirsizliklere yol açabilmektedir. Bu sorunu çözmek için, modeli yapısal sağlık izleme (SHM) verilerine dayalı olarak kalibre eden FE modeli güncelleme yöntemleri geliştirilmiştir. Ancak izlenen verileri kullanan yapıların gerçekçi yaşam döngüsü performans değerlendirmesine yönelik genel bir çerçeve henüz sunulmamıştır. Bayes modellemesi belirsiz yapısal parametreleri rastgele değişkenler olarak karakterize edebilir, ancak karmaşık ve zaman alıcıdır. Etkili stokastik tahminciler olan meta-modelleme teknikleri, model güncellemenin hesaplama yükünü azaltmak için kullanılabilir. Yapıların güvenilirliğini daha kesin bir şekilde değerlendirmek için SHM verilerini kullanarak belirsizliği azaltmak ve hesaplama zorluklarını aşmak amacıyla Polynomial-Chaos-Kriging (PCK) meta-modelleme tekniğini Bayezyen model güncellemesine uyarlamak bu araştırmanın amacıdır. Bu nedenle önerilen yöntemin etkinliği deneysel ve sayısal çalışmalarla denenmiş ve gösterilmiştir. Çeşitli korozyon etkilerine maruz kalan yapıların güvenilirliğini değerlendirmek için bir köprü kolonunun deneysel bir çalışması kullanılır. Sonuç olarak, önerilen çözüm yöntemi hesaplama maliyetlerini azaltır ve güncellenmiş bir FE modelinin gerçek yapı ölçümlerine daha yakın olmasını sağlar. Güncellenen modellerin güvenilirlik değerlendirmelerinde daha güvenilir olduğu, yapı güvenliği, servis ömrü, bakım maliyeti gibi konularda güncellenmeyen modellere göre daha doğru tahminler sağladığı görüldü.

Özet (Çeviri)

Finite element (FE) models are commonly used in numerical modeling of structures, but their assumptions can lead to inaccuracies and uncertainties. To address this, FE model update methods have been developed, calibrating the model based on structural health monitoring (SHM) data. However, a general framework for realistic life cycle performance assessment of structures using monitored data has not yet been presented. Bayesian modeling can characterize uncertain structural parameters as random variables, but it is complex and time-consuming. Metamodeling techniques, which are effective stochastic predictors, can be used to decrease the computational burden of model updating. Adapting a Polynomial-Chaos-Kriging (PCK) metamodeling technique to Bayesian model updating in order to reduce uncertainty and circumvent computational challenges using SHM data in order to assess the reliability of structures more precisely is the objective of this research. Therefore, the effectiveness of the proposed method has been tried and demonstrated through experimental and numerical studies. An experimental study of a bridge column is used to evaluate the reliability of structures subjected to various corrosion effects. As a result, the proposed solution method reduces computational costs and enables an updated FE model to be closer to real structure measurements. The updated models are found to be more reliable in reliability evaluations, providing more accurate predictions on issues like structure safety, service life, and maintenance cost compared to non-updated models.

Benzer Tezler

  1. Yapısal ses kaynaklarının konumunun akustik emisyon yöntemi kullanılarak belirlenmesi

    Localization of structural noise sources using the acoustic emission method

    TOLGA MERİÇ

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Makine Mühendisliğiİstanbul Teknik Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    PROF. DR. HALUK EROL

  2. Geotechnical risk assessment for buildings adjacent to deep excavations

    Derin kazılara komşu yapılar için geoteknik risk analizleri

    ZEYNEP ASLAY

    Doktora

    İngilizce

    İngilizce

    2012

    İnşaat Mühendisliğiİstanbul Teknik Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    PROF. DR. DERİN URAL

  3. Neuro classifiers for condition and bearing health assessment of an electric motor

    Elektrik makinasında durum ve rulman sağlığı değerlendirmesi için nöro sınıflandırıcılar

    MINA GHORBAN ZADEH BADELI

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektrik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ DUYGU BAYRAM KARA

  4. Convolutional neural network based partial discharge pattern classification of medium voltage cable terminations

    Orta gerilim kablo başlıklarında evrişimli sinir ağları ile kısmi boşalma örüntü sınıflandırılması

    HALİL İBRAHİM ÜÇKOL

    Yüksek Lisans

    İngilizce

    İngilizce

    2020

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. AYDOĞAN ÖZDEMİR