Συγκριτική ανάλυση διάγνωσης βλαβών από νευρωνικά δίκτυα εκπαιδευμένα με δεδομένα από μοντέλα πεπερασμένων στοιχείων υπό στατικές και δυναμικές διεγέρσεις

Abstract

Η παρούσα διπλωματική εργασία αφορά στον έλεγχο της δομικής ακεραιότητας μίας γέφυρας, αξιοποιώντας Τεχνητά Νευρωνικά Δίκτυα, τα οποία εκπαιδεύονται με δεδομένα από μοντέλα Πεπερασμένων Στοιχείων, μέσω στατικών και δυναμικών αναλύσεων. Μετά την εκπαίδευση τους, εκτιμάται η αποτελεσματικότητα τους σε σχέση με τα ποσοστά επιτυχίας των προβλέψεων τους, και προκύπτουν αξιόλογα συμπεράσματα. Αρχικά, παρουσιάζεται το βασικό θεωρητικό υπόβαθρο στο οποίο στηρίζεται η εργασία. Πιο συγκεκριμένα, γίνεται λόγος για τις Ταλαντώσεις Πολυβάθμιων Μηχανικών Συστημάτων, για την Μέθοδο των Πεπερασμένων Στοιχείων (FEM), όπως και για την Μηχανική Μάθηση και για τους τύπους των δικτύων που θα χρησιμοποιηθούν. Στη συνέχεια, περιγράφονται οι διαδικασίες και τα βήματα που ακολουθήθηκαν για την δημιουργία του “απλού” και του “πραγματικού” μοντέλου, και έπειτα διεξάγονται ιδιομορφικές αναλύσεις που φανερώνουν, ως έναν βαθμό, την έκταση του σφάλματος μοντελοποίησης. Ακολουθεί το δυαδικό πρόβλημα κατηγοριοποίησης, στο οποίο ορίζονται δύο κλάσεις υγείας της κατασκευής (υγιές ή φθαρμένο) και όπου νευρωνικά δίκτυα εκπαιδεύονται με δεδομένα τόσο από στατικές όσο και από δυναμικές αναλύσεις. Η παραπάνω κατηγορία χωρίζεται επίσης σε δύο υποκατηγορίες, ανάλογα με το μέγεθος της βλάβης που εμφανίζεται στην κατασκευή. Έπειτα, παρουσιάζεται το πρόβλημα ταξινόμησης πολλαπλών κατηγοριών, όπου σε αυτή την περίπτωση θεωρούνται τρεις κλάσεις ζημιάς, ίδιου μεγέθους. Γίνεται η εκπαίδευση δύο νευρωνικών δικτύων, με δεδομένα στατικών και δυναμικών αναλύσεων αντίστοιχα, και συγκρίνονται μεταξύ τους ως προς την απόδοση τους. Τέλος, παρατίθενται τα συμπεράσματα που προέκυψαν από την εργασία και αφορούν σε κρίσιμες παραμέτρους που αντιμετωπίστηκαν.