تمت مناقشة اطروحة الماجستير الموسومة” كشف الأضرار في الهياكل الميكانيكية باستخدام الشبكات العصبية الصناعية ” للطالبة زهراء عبد عبد الله.في قسم الهندسة الميكانيكية بكلية الهندسة/جامعة بغداد. وقد اشرف على إعداد الأطروحة الاستاذ المساعد الدكتور نبيل حسن هادي
.وتألفت لجنة المناقشة من الاستاذ المساعد الدكتور حاتم رحيم وسمي (رئيسا), الاستاذ المساعد الدكتور علي حسين محمد (عضوا) مدرس دكتور محسن الشمري. بعد امتحان لجنة المناقشة الطالب في محتويات الأطروحة,قررت اللجنة منح الطالبة شهادة الماجستير.
ملخص بحث الطالب هو كالآتي:
الضرر هو السبب الرئيس في الفشل الهيكلي الذي يحدث عادةً في الهياكل. كان هناك اهتمام خاص أعطي لتجنب الفشل المفاجئ في المكونات الهيكلية عن طريق كشف الضرر في الهياكل في وقت مبكر.
أجريت في هذه الأطروحة مقارنة بين إجراءين لكشف الضرر وبينت ما هي الطريقة الأفضل في كشف مقدار الضرر وموقعه. أن الإجراء الأول هو استعمال طرق كشف الأضرار (Eigenparameter, relative difference, residual error, modal flexibility method, curvature mode shape) وفي الإجراء الثاني تم استعمال الشبكات العصبية الاصطناعية. تم دراسة ثلاثة أنواع من الهياكل الميكانيكية والمسماة ب( العتبة البسيطة و الهيكل ألبابي والهيكل الرافعة). تم استخدام برنامج الماتلاب 7.14 للمحاكاة العددية لتشكيل سيناريوهات الضرر.
تم تمثيل الضرر بثمانية أساليب للعتبة البسيطة و تسعة للهيكل ألبابي وتسعة أساليب للهيكل الرافعة. إن الضرر يتمثل بتخفيض متانة العنصر المفترضة بنسبة 25% و40% في وسط العتبة البسيطة وكذلك يتمثل عن طريق شق عمودي في العناصر المفترضة في المواقع المختلفة بنسبة عمق الشق إلى ارتفاع العتبة (a/h) 0.2و 0.3 و 0.5 للعتبة البسيطة, الهيكل ألبابي والهيكل الرافعة.أن الانخفاض في التردد الطبيعي والانحراف في شكل النمط في حالة الضرر بالمقارنة مع حالة عدم الضرر يعطي مؤشراً لوجود الضرر لكنه لا يكشف عن موقع الضرر. بينت المقارنة بين الطريقتين المستعملتين في كشف الأضرار إن استخدام الشبكات العصبية الصناعية أعطت نتائج جيدة ليست فقط في كشف الضرر وتحديد الموقع ولكن أيضا في تحديد كمية الضرر. أظهرت النتائج أن إل (residual error method و curvature mode shape) طرق جيدة بالمقارنة مع طرق كشف الأضرار الأخرى التي تم دراستها في هذا العمل لأن هاتين الطريقتين كشفتا الضرر المزدوج و فشلتا في تحديد كمية الضرر. كل طرق كشف الأضرار المستعملة في هذه الأطروحة لم تحدد كمية الضرر. أن استخدام الشبكات العصبية الاصطناعية (ANN) أعطت نتائج جيدة جدا بالمقارنة مع طرق كشف الأضرار التقليدية وهي ليست قادرة فقط على كشف الضرر وتحديد موقعه ولكن أيضا تحديد كمية الضرر. استعملت أربعة أنواع من الشبكات في هذه الدراسة. النوع الأول من الشبكات العصبية ,كانت فيه المدخلات هي الانخفاض بالتردد الطبيعي((RNF والمخرجات هي كمية الضرر. استعملت هذه الطريقة لمحاكاة النتائج العملية وأظهرت نتائج جيدة. الثقة التي أظهرتها هذه الطريقة بالنسبة للعتبة البسيطة في حالة وجود شقين بنسبة 0.3 (SC7) كانت 99.69% والفرق بين مخرج الشبكة العصبية (0.304) والمخرج الأصلي (0.3) كان (0.004). التحليل العملي اجري للهياكل الثلاثة في الحالة السليمة وحالة الضرر وتم محاكاة النتائج باستعمال الشبكة العصبية لكشف الضرر.بينت النتائج أن أفضل نتيجة للهيكل ألبابي كانت في PC9( شقين في العتبة الأفقية للهيكل ألبابي بنسبة (0.5 حيث كانت الثقة % 99.98 والفرق بين المخرج (0.4987) والهدف (0.5) هو 0.0022 وبالنسبة للهيكل الرافعة كانت الثقة هي الأفضل لهذا النوع من الشبكات حيث كانت 98.44% لحالة CC8 ( شق في العتبة الأفقية للهيكل الرافعة بنسبة ( 0.3 الفرق بين المخرج 0.2911 والهدف 0.3 كان 0.0089. كانت المدخلات في الشبكة العصبية الثانية هي قيم أقصى انحناء لشكل النمط(MAC) وموقع أقصى انحناء في النمط(LOC) و المخرجات هي موقع الضرر. هذه الطريقة أظهرت نتائج ممتازة في كشف موقع الضرر لأن الفرق بين مخرجات الشبكة والمخرجات الأصلية في جميع الحالات كانت صفراً أو قريبة جدا من الصفر والثقة في اغلب الحالات كانت .100% أن الشبكة العصبية الثالثة هي نفس الشبكة العصبية الثانية من ناحية المدخلات حيث كانت المدخلات (MAC,LOC) ولكن المخرجات كانت (DL,DS) هذه الطريقة أعطت نتائج جيدة في كشف كمية الضرر وموقعه حيث كان الفرق في اغلب الحالات بالنسبة للموقع صفر أو قريبة إلى الصفر وبالنسبة لكمية الضرر كانت أفضل الفروق بالنسبة للهياكل الثلاثة ,(0.0008 for simply supported) (0.0031 for portal frame)و(0.0066 for crane frame). النوع الرابع من الشبكات العصبية كانت المدخلات هي قيم الانخفاض في التردد الطبيعي(RNF) وأقصى انحناء في شكل النمط(MAC) وموقع أقصى انحناءLOC والمخرجات كانت موقع الضرر DL)) وكمية الضرر(DS) حيث أن الشبكة العصبية الثالثة أفضل من هذه الشبكة في كشف موقع الضرر ولكن في كشف كمية الضرر الطريقتين تعطيان نتائج مقاربة. أظهرت النتائج أن الشبكة العصبية الثانية هي الأفضل في كشف موقع الضرر و الشبكة العصبية الثالثة كانت جيدة جدا في كشف موقع الضرر وكميته والشبكة العصبية الرابعة كانت جيدة في كشف كمية الضرر.
.وتألفت لجنة المناقشة من الاستاذ المساعد الدكتور حاتم رحيم وسمي (رئيسا), الاستاذ المساعد الدكتور علي حسين محمد (عضوا) مدرس دكتور محسن الشمري. بعد امتحان لجنة المناقشة الطالب في محتويات الأطروحة,قررت اللجنة منح الطالبة شهادة الماجستير.
ملخص بحث الطالب هو كالآتي:
الضرر هو السبب الرئيس في الفشل الهيكلي الذي يحدث عادةً في الهياكل. كان هناك اهتمام خاص أعطي لتجنب الفشل المفاجئ في المكونات الهيكلية عن طريق كشف الضرر في الهياكل في وقت مبكر.
أجريت في هذه الأطروحة مقارنة بين إجراءين لكشف الضرر وبينت ما هي الطريقة الأفضل في كشف مقدار الضرر وموقعه. أن الإجراء الأول هو استعمال طرق كشف الأضرار (Eigenparameter, relative difference, residual error, modal flexibility method, curvature mode shape) وفي الإجراء الثاني تم استعمال الشبكات العصبية الاصطناعية. تم دراسة ثلاثة أنواع من الهياكل الميكانيكية والمسماة ب( العتبة البسيطة و الهيكل ألبابي والهيكل الرافعة). تم استخدام برنامج الماتلاب 7.14 للمحاكاة العددية لتشكيل سيناريوهات الضرر.
تم تمثيل الضرر بثمانية أساليب للعتبة البسيطة و تسعة للهيكل ألبابي وتسعة أساليب للهيكل الرافعة. إن الضرر يتمثل بتخفيض متانة العنصر المفترضة بنسبة 25% و40% في وسط العتبة البسيطة وكذلك يتمثل عن طريق شق عمودي في العناصر المفترضة في المواقع المختلفة بنسبة عمق الشق إلى ارتفاع العتبة (a/h) 0.2و 0.3 و 0.5 للعتبة البسيطة, الهيكل ألبابي والهيكل الرافعة.أن الانخفاض في التردد الطبيعي والانحراف في شكل النمط في حالة الضرر بالمقارنة مع حالة عدم الضرر يعطي مؤشراً لوجود الضرر لكنه لا يكشف عن موقع الضرر. بينت المقارنة بين الطريقتين المستعملتين في كشف الأضرار إن استخدام الشبكات العصبية الصناعية أعطت نتائج جيدة ليست فقط في كشف الضرر وتحديد الموقع ولكن أيضا في تحديد كمية الضرر. أظهرت النتائج أن إل (residual error method و curvature mode shape) طرق جيدة بالمقارنة مع طرق كشف الأضرار الأخرى التي تم دراستها في هذا العمل لأن هاتين الطريقتين كشفتا الضرر المزدوج و فشلتا في تحديد كمية الضرر. كل طرق كشف الأضرار المستعملة في هذه الأطروحة لم تحدد كمية الضرر. أن استخدام الشبكات العصبية الاصطناعية (ANN) أعطت نتائج جيدة جدا بالمقارنة مع طرق كشف الأضرار التقليدية وهي ليست قادرة فقط على كشف الضرر وتحديد موقعه ولكن أيضا تحديد كمية الضرر. استعملت أربعة أنواع من الشبكات في هذه الدراسة. النوع الأول من الشبكات العصبية ,كانت فيه المدخلات هي الانخفاض بالتردد الطبيعي((RNF والمخرجات هي كمية الضرر. استعملت هذه الطريقة لمحاكاة النتائج العملية وأظهرت نتائج جيدة. الثقة التي أظهرتها هذه الطريقة بالنسبة للعتبة البسيطة في حالة وجود شقين بنسبة 0.3 (SC7) كانت 99.69% والفرق بين مخرج الشبكة العصبية (0.304) والمخرج الأصلي (0.3) كان (0.004). التحليل العملي اجري للهياكل الثلاثة في الحالة السليمة وحالة الضرر وتم محاكاة النتائج باستعمال الشبكة العصبية لكشف الضرر.بينت النتائج أن أفضل نتيجة للهيكل ألبابي كانت في PC9( شقين في العتبة الأفقية للهيكل ألبابي بنسبة (0.5 حيث كانت الثقة % 99.98 والفرق بين المخرج (0.4987) والهدف (0.5) هو 0.0022 وبالنسبة للهيكل الرافعة كانت الثقة هي الأفضل لهذا النوع من الشبكات حيث كانت 98.44% لحالة CC8 ( شق في العتبة الأفقية للهيكل الرافعة بنسبة ( 0.3 الفرق بين المخرج 0.2911 والهدف 0.3 كان 0.0089. كانت المدخلات في الشبكة العصبية الثانية هي قيم أقصى انحناء لشكل النمط(MAC) وموقع أقصى انحناء في النمط(LOC) و المخرجات هي موقع الضرر. هذه الطريقة أظهرت نتائج ممتازة في كشف موقع الضرر لأن الفرق بين مخرجات الشبكة والمخرجات الأصلية في جميع الحالات كانت صفراً أو قريبة جدا من الصفر والثقة في اغلب الحالات كانت .100% أن الشبكة العصبية الثالثة هي نفس الشبكة العصبية الثانية من ناحية المدخلات حيث كانت المدخلات (MAC,LOC) ولكن المخرجات كانت (DL,DS) هذه الطريقة أعطت نتائج جيدة في كشف كمية الضرر وموقعه حيث كان الفرق في اغلب الحالات بالنسبة للموقع صفر أو قريبة إلى الصفر وبالنسبة لكمية الضرر كانت أفضل الفروق بالنسبة للهياكل الثلاثة ,(0.0008 for simply supported) (0.0031 for portal frame)و(0.0066 for crane frame). النوع الرابع من الشبكات العصبية كانت المدخلات هي قيم الانخفاض في التردد الطبيعي(RNF) وأقصى انحناء في شكل النمط(MAC) وموقع أقصى انحناءLOC والمخرجات كانت موقع الضرر DL)) وكمية الضرر(DS) حيث أن الشبكة العصبية الثالثة أفضل من هذه الشبكة في كشف موقع الضرر ولكن في كشف كمية الضرر الطريقتين تعطيان نتائج مقاربة. أظهرت النتائج أن الشبكة العصبية الثانية هي الأفضل في كشف موقع الضرر و الشبكة العصبية الثالثة كانت جيدة جدا في كشف موقع الضرر وكميته والشبكة العصبية الرابعة كانت جيدة في كشف كمية الضرر.
