اثرگذاری مناسب مدل­های تحلیلی به­روز رسانی شده در امر تصمیم گیری مشروط به توجهی مشابه با مراحل قبلی به این مرحله است. در صورتی­که تصمیم ­گیری در ارتباط با بهبود عملکرد یک سازه در سطوح مختلف عملکردی و یا ارزیابی عملکرد آینده یک سازه مورد پرسش باشد، تأثیرگذاری در امر تصمیم گیری به مهم­ترین مرحله فرایند شناسایی مبدل می­ شود. بدون تمرکز کافی در این مرحله، آنالیز سود به هزینه ^[۱۶]مرتبط با فرایند شناسایی همیشه نامطلوب بوده و کاربردهای آن تحت­الشعاع شک و تردید قرار می­گیرد]۲[.

1. 1. انتخاب مدل

تفاوت اساسی میان روش­های شناسایی سازه­ای به فرم و فضای مدل مورد استفاده مربوط می­ شود. فرم مدل به عبارت ریاضی مورد استفاده برای پیش بینی رفتار سازه اشاره دارد، درحالیکه فضای مدل به نوع سیستم مختصات اشاره دارد. به دلیل وابستگی این دو پارامتر برای توصیف خصوصیات مدلهای تحلیلی مورد استفاده در فرایند شناسایی سازه­ای این دوپارامتر توامان با هم تعریف می­شوند]۲[. از جمله مدل­های مورد استفاده در فرایند شناسایی سازه­ای می­توان به مدل­های سازه­ای و مودال اشاره نمود.

( اینجا فقط تکه ای از متن پایان نامه درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. )

مدل سازه­ای یکی از مد­ل­های متداولی است ک در شناسایی سازه­ای استفاده می­ شود. مدل­های سازه­ای به سه گروه تقسیم بندی می­شوند که از میان آنها، مدل های اجزاء محدود دقیق­ترین مدل سازه­ای است. فرض متداول در این مدل­ها خطی بودن و ثابت بودن پارامترهای مدل است. روند متداول در مدل­های سازه­ای تعریف آنها به صورت تعینی است، در حالیکه در پاره­ای از موارد به صورت احتمالاتی نیز بیان شده ­اند. این مدل­ها به فرم منفرد یا ترکیبی با سایر روش­ها برای شناسایی مورد استفاده قرار می­گیرند]۲[.
معمولا در مرحله ایتدایی مدل­سازی، از مدل مورد استفاده در مرحله طراحی برای مدل کردن رفتار سازه در مرحله عملکرد استفاده می­ شود. استفاده از مدل طراحی به دلیل عدم نیاز به تأیید پارامترهای آن (مانند شرایط تکیه گاهی، هندسه و آسیب روی سازه ساخته شده) موجب صرفه جویی در زمان و هزینه می­ شود. در مرحله بعد، نتایج پیش بینی شده توسط مدل با مقادیر اندازه ­گیری شده از سازه واقعی مقایسه و در صورت عدم تطبیق، از نتایج آزمایشات برای به­روز رسانی مدل استفاده می­ شود. در مرحله بروز رسانی تعداد محدودی پارامتر برای کالیبراسیون انتخاب می­شوند. این پارامترها مقادیری متفاوت از فرضیات در نظر گرفته شده در مرحله طراحی دارند و حالت ایده­آل این است پارامترهایی که دارای عدم قطعیت هستند مد نظر قرار بگیرند]۲[.
بسیاری از مدل­های رفتاری قابلیت توصیف دقیق رفتار واقعی سازه­ها را دارا هستند. در هر مدل ترکیبات بسیاری از مقادیر پارامترها می ­تواند به عنوان پیش بینی معقولی بر اساس رفتار اندازه گیری شده باشد. در چنین مواردی به دلیل عدم درنظرگیری اثر ترکیبی خطاهای مدل­سازی و اندازه گیری، شناسایی سازه­ای با چالش­های پیچیده­تری مواجه می­ شود. بیشترین کار انجام گرفته تا به امروز، انتخاب مدل­های محتمل­تر با بهره گرفتن از تجربه مهندسی است. استفاده از روش­های داده ­کاوی مانند دسته بندی ^[۱۷]می ­تواند ایده اولیه­ای از توپولوژی فضای مدل مورد کاندید را در اختیار بگذارد. در این روش می­توان مرکز خوشه ­ها (دسته­ها) بعنوان مدل احتمالی توصیف کننده رفتار سازه­ای در نظر گرفت. در این راستا رابرت نیکود، رافائل و اسمیت(۲۰۰۵) روش شناسایی چند مدلی را ارائه دادند. در این روش بر پایه مدلسازی ترکیبی و جستجوی احتمالاتی در مقیاس کلی، مجموعه ­ای از مدل­ها تولید می­ شود بگونه­ای که ریشه میانگین مربعات آنها در محدوده اختلاف میان نتایج اندازه ­گیری و مقادیر پیش بینی شده قرار دارد]۲[.
مدل­های مودال فرم متداول دیگری است که در شناسایی سازه­ای کاربرد دارد. این مدل­ها شامل فرکانس­های مودال، شکل­های مودی و نسبت­های میرایی مودال هستند و دربرگیرنده اطلاعات مشخصی در ارتباط با اتصالات و توزیع هندسی جرم، سختی و میرایی سازه­ها نیستند. از جمله مزایای این مدل­ها به موارد زیر می­توان اشاره کرد:
۱-به کمک پارمترهای مودال (که توصیف کننده پارامتریک مدل­های مودال نیز هستند) می­توان فضای رزونانس و رفتار موقتی سازه­ها را توصیف نمود و به­عنوان فرمی ساده برای بیان رفتار سازه شناخته شده ­اند.
۲-پارامتر­های مودال بیان دیگری از حل ویژه ماتریس­های جرم و سختی سازه هستند. همسویی نتایج مودال بدست آمده از آزمایشات و پیش بینی­های مدل تحلیلی، مدل­های مودال را به عنوان روشی مناسب برای به­روز رسانی معرفی می­ کند.
۳-تابع پاسخ فرکانسی سازه را می­توان به شکل فرم استاندارد از پارامترهای مودال بیان کرد.
۴- برای شبیه سازی پاسخ در محدوده خطی، مدل­های مودال از دقت قابل اعتمادی برای محاسبه عملکرد طی طیف وسیعی از حالات بارگذاری برخوردار است. این کاربرد امروزه بطور معمول در سقف­­ها، ورزشگاه­ها و پل­های عابر پیاده برای حالت بارگذاری دینامیکی انسان استفاده می­ شود.
مدل­های مودال در مختصاتی به نام مختصات مودال تعریف می­شوند. به کمک این مختصات می­توان حرکت ارتعاشی سازه­ها را توسط تعداد محدودی پارامتر توصیف کرد. در مختصات مودال، معادله حاکم بر حرکت سیستم­های بدون میرایی به این شکل بیان می­شوند:

در معادله‏ (۱ -۱) ، و ماتریس جرم مودال و سختی سازه هستند. بردار جابجایی مودال و بردار نیروی مودال است. پاسخ سازه به تحریک هارمونیک سینوسی با فرکانس به این شکل است:

در معادله‏ (۱ -۲) ، پاسخ­ها دارای مقدار مختلط هستند و در واقع دامنه و فاز پاسخ سازه در هر فرکانس تحریک نسبت به دامنه و فاز تحریک سینوسی را بیان می­ کند. مدل­های مودال ذاتا خطی و بادوام (ثابت با گذشت زمان) هستند. بنابراین فرض بر این است که سازه شناسایی شده مطابق با این فرضیات است. با وجود تلاش افزاینده در بیان پارامترهای مودال به صورت فرم­های احتمالاتی، به طور معمول مدل­های مودال به فرم تعینی بیان می­شوند. در واقع بدلیل شرایط متغیر محیطی، قابلیت تکرار آزمایش و عومل تصادفی و سیستماتیک دیگر، اندازه گیری­های انجام شده برای شناسایی سازه­ای همواره همراه با سطوح مختلفی از عدم قطعیت هستند. تعریف مدل­های احتمالاتی به کاربران این اجازه را می­دهد تا سطوح اطمینانی را برای پارامترهای مودال تعریف کند. در بیان احتمالاتی مدل­ها فرض می­ شود که پارامترها مستقل از هم تغییر می­ کنند. این موضوع قابل بحث است که این افزایش در پیچیدگی عملا مفید خواهد بود یا نه]۲[.

1. 1. مدل­های کاربردی برای شناسایی سازه­ای

پس از تصمیم گیری در مورد فرم و فضای مدل، روش مناسبی برای شناسایی پارامترهای مدل انتخابی می­بایست انتخاب شود. انتخاب روش مورد نظر با درنظرگیری فاکتورهای متنوعی انجام می­گیرد. از جمله این پارامترها می­توان به جزئیات تجهیزات (چگالی سنسورها و نوع آنها)، موجود بودن سیگنال ورودی(تحریک) و ماهیت تحریک اعمالی اشاره کرد. در سه دهه گذشته در زمینه ­های هوافضا، مکانیک و عمران روش­های شناسایی سازه­ای متعددی برای سازه­های تحت تحریک دینامیکی توسعه یافته است]۲[.
اکثر روش­های شناسایی پارامتری، بر اساس تکنیک­های رگراسیون هستند. در این روش­ها با بهره گرفتن از الگوریتم­های بهینه­یابی خروجی ( و در گاهی اوقات ورودی)، پارامترهای مدل را تخمین و به شبیه سازی سیستم­های فیزیکی می­پردازند. برخی از روندهای کلاسیک تخمین(برآورد) پارامتر عبارتند از : روش حداقل مربعات وزن­دار^[۱۸]، بهترین تقریب خطی ^[۱۹]و بیشترین احتمال برای پارامترهای تعینی ^[۲۰]، میانگین مربعات، حداکثر استقرایی، حداقل مربعات وزن­دار و بهترین تقریب خطی برای پارامترهای تصادفی. اخیرا نیز روش­هایی مانند فیلتر توسعه یافته کالمن (قانم و شیزوکو ۱۹۹۵، هوشیا وسایتو ۱۹۸۴، وو و اسمیت ۲۰۰۷، ژانگ و همکاران ۲۰۰۲)، فیلتر ( ساتو و کی ۱۹۹۸ و ۱۹۹۹)، روش ترتیبی مونت کارلو ^[۲۱] (چینگ و همکاران ۲۰۰۶، لی و همکاران ۲۰۰۴) تکنیک­های رگراسیون مبتنی بر ماشین­های بردار پشتیبانی^[۲۲] (میتا و هاگیوارا ۲۰۰۳، اوه و بک ۲۰۰۶) برای شناسایی پارامتر­های سازه­­ای ساخته شده مورد استفاده قرار گرفته­اند. ]۲[