Yapısal sağlık izleme uygulamaları ıçın dikkat mekanizmalı ve gradyan cezalı stargan modelinin (at-stargan-gp) geliştirilmesi ve uygulanması
Development and application of an attention-enhanced and gradient-penalized stargan model (at-stargan-gp) for structural health monitoring applications
- Tez No: 995248
- Danışmanlar: PROF. DR. EMRE ERCAN
- Tez Türü: Doktora
- Konular: İnşaat Mühendisliği, Civil Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Ege Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
- Bilim Dalı: İnşaat Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tez, Yapısal Sağlık İzleme (YSİ) alanında veri yetersizliği ve geleneksel çekişmeli üretken ağların (GAN) karmaşık yapısal dinamikleri modellemedeki sınırlamalarını aşmak amacıyla geliştirilen, Dikkat Mekanizmalı ve Gradyan Cezalı StarGAN (AT-StarGAN-GP) modelinin geliştirilmesini ve uygulanmasını sunmaktadır. Önerilen yapı, hem zamansal bağımlılıkları hem de yerel özellik etkileşimlerini yakalayan çift dikkat mekanizmalarıyla yapısal titreşim verilerinin daha doğru temsil edilmesini sağlamakta; Wasserstein kaybı, gradyan cezası yaklaşımı ve adaptif lambda optimizasyonu ile dengeli, kararlı ve uyarlanabilir bir öğrenme süreci ortaya koymaktadır. Çalışmanın ilk bölümünde, sinyal temsili ve modal parametre kestirimi üzerine odaklanılmıştır. Saflaştırılmış sinyal işleme hattı sayesinde AT-StarGAN-GP, hem gerçek hem de sentetik verilerde yüksek doğrulukta modal frekans ve sönüm oranı kestirimi gerçekleştirmekte; sapmaları minimum düzeyde tutarak yüksek tutarlılık (Ortalama Karesel Tutarlılık Katsayısı 0.973–0.989 aralığında) elde etmektedir. Dikkat mekanizmaları, yapısal hasarsız duruma ait özelliklerin korunmasını ve farklı hasar senaryolarının gerçekçi biçimde temsil edilmesini mümkün kılarak üretilen verilerin yorumlanabilirliğini ve güvenilirliğini artırmaktadır. Tezin ikinci bölümünde modelin, farklı yapısal alanlar ve durumlar arasında veri üretimi ve koşullu dönüştürme yetenekleri incelenmiştir. Bağlantı noktalarının konumu ve yapısal durumuna dayalı çift koşullu yapı sayesinde model, farklı yapılar ve hasar seviyeleri arasında ortak öğrenmeye ihtiyaç duymadan titreşim yanıtlarını çevirebilmektedir. Farklı kütle ekleme seviyeleriyle simüle edilen küçük ölçekli köprü modelleri üzerinde yapılan deneyler, modelin hem genel hem de yerel dinamik değişimleri yakalayabildiğini ve fiziksel olarak gerçekçi, duruma duyarlı titreşim sinyalleri üretebildiğini göstermiştir. Güç spektral yoğunluğu, modal frekans takibi ve sönüm oranı analizleriyle yapılan nicel değerlendirmeler, sentetik verilerin fiziksel tutarlılığını doğrulamaktadır. Sonuç olarak bu tez, AT-StarGAN-GP modelini, yapısal özellikleri koruyan, dinamik olarak tutarlı ve yüksek kaliteli sentetik veriler üretebilen güçlü ve esnek bir çerçeve olarak ortaya koymaktadır. Model, veri artırma, transfer öğrenme ve senaryo simülasyonu gibi YSİ uygulamalarında etkin bir araç sunarak, daha genellenebilir ve veri açısından verimli derin öğrenme modellerinin geliştirilmesine sağlam bir temel oluşturmaktadır.
Özet (Çeviri)
This thesis presents the development and application of the Attention-enhanced Star Generative Adversarial Network with Gradient Penalty (AT-StarGAN-GP) for advanced Structural Health Monitoring (SHM) tasks. The proposed framework addresses critical challenges in SHM, particularly the scarcity of labeled data and the limitations of conventional Generative Adversarial Networks (GANs) in modeling complex structural dynamics. AT-StarGAN-GP introduces dual-attention mechanisms that effectively capture both global temporal dependencies and local feature interactions within structural vibration data, while its Wasserstein loss formulation with gradient penalty ensures stable and balanced training dynamics. The first part of the study focuses on enhancing signal representation and improving modal parameter estimation. Through a purified signal processing pipeline, AT-StarGAN-GP achieves high precision in modal frequency and damping ratio detection across both real and synthetic datasets, demonstrating minimal deviations and strong coherence metrics (Mean Magnitude-Squared Coherence between 0.973–0.989). The attention modules facilitate accurate retention of undamaged-state features and realistic reconstruction of various damage scenarios, significantly improving the interpretability and reliability of generated data. The second part extends the model's capabilities to multi-domain data generation and domain translation under diverse structural and state conditions. By incorporating a dual-conditional structure based on joint location and structural state, the model enables conditional translation of vibration responses across different structures and damage states without requiring joint training. Experimental validation using small-scale bridge models under varying mass-induced damage levels confirms the model's ability to reproduce realistic, state-aware vibration signals that preserve essential dynamic characteristics. Quantitative evaluations using power spectral density analysis, modal frequency tracking, and damping ratio comparisons further affirm the physical fidelity of the synthetic data. Overall, this thesis establishes AT-StarGAN-GP as a robust and versatile framework for generating high-quality, structurally consistent, and dynamically representative synthetic data. It provides a powerful foundation for data augmentation, transfer learning, and scenario simulation in structural health monitoring applications, paving the way for more generalizable and data-efficient deep learning models in SHM.
Benzer Tezler
- A stress testıng framework for the Turkısh bankıng sector: an augmented approach
Türk bankacılık sektörü için bir stres testi çerçevesi: Bir genişletilmiş yaklaşım
BAHADIR ÇAKMAK
- Serological investigation of peste des petits ruminants in lambs in Iraq-Kirkuk region
Irak–Kerkük bölgesinde kuzularda küçük ruminant vebası (pestedes petits ruminants ppr)'ın seroprevalansı
SARWAT KHORSHED RAHEEM
Yüksek Lisans
İngilizce
2022
Sağlık YönetimiVan Yüzüncü Yıl ÜniversitesiSağlık Bilimleri Ana Bilim Dalı
PROF. DR. SÜLEYMAN KOZAT
- U-net ve sam entegrasyonu ile meme mr görüntülerinde tümör segmentasyonu ve morfolojik işlemlerle takibi
Breast mri tumor segmentation using U-net and sam integration with morphological tracking methods
ALPTUĞ ŞEREF AYYILDIZ
Yüksek Lisans
Türkçe
2025
Mühendislik Bilimleriİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
PROF. DR. İBRAHİM AKDUMAN
- Investigation of CNT smart paint for structural health monitoring in advanced and nano-enhanced carbon fiber composites
Gelişmiş ve nano takviyeli kompozit malzemeler için karbon nanotüp içerikli akıllı boyanın yapısal sağlık izleme için geliştirilmesi
YAĞMUR ATEŞCAN
Yüksek Lisans
İngilizce
2015
Uçak Mühendisliğiİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
YRD. DOÇ. HÜLYA CEBECİ
- Yapısal ses kaynaklarının konumunun akustik emisyon yöntemi kullanılarak belirlenmesi
Localization of structural noise sources using the acoustic emission method
TOLGA MERİÇ
Yüksek Lisans
Türkçe
2024
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. HALUK EROL