Initializing…
خانه
🌍 لرزه‌ای
زلزله زنده
   هاب لرزه‌ای PHK
📚 دانش
بلاگ‌ها مقاله‌ها
👤 درباره من
درباره رزومه پروژه‌ها تماس
EN فا
واژه‌نامه لرزه‌ای / پایش سلامت سازه / پایش سلامت سازه
📡

پایش سلامت سازه

SHM
⭐ واژه ویژه

تعریف

پایش سلامت سازه (SHM)، فرایند پیاده‌سازی راهبرد تشخیص و مشخصه‌یابی خسارت برای سازه‌های مهندسی با استفاده از اندازه‌گیری‌های پیوسته یا دوره‌ای است. این حوزه، حس‌گری، جمع‌آوری داده، پردازش سیگنال و تصمیم‌گیری را برای ارزیابی وضعیت سازه در طول عمر آن ترکیب می‌کند.

توضیح تفصیلی

پایش سلامت سازه (SHM)، فرایند پیاده‌سازی راهبرد شناسایی خسارت برای سازه‌های هوافضایی، عمرانی و مکانیکی است. هدف، تشخیص، مکان‌یابی و کمّی‌سازی خسارت — و در حالت آرمانی، پیش‌بینی عمر مفید باقی‌مانده سازه — با استفاده از اندازه‌گیری‌های شبکه‌ای از حسگرهای نصب‌شده بر یا درون سازه است. SHM اساساً میان‌رشته‌ای است و از دینامیک سازه، پردازش سیگنال، یادگیری ماشین، فناوری حسگر و مهندسی قابلیت اعتماد بهره می‌گیرد. این حوزه در سه دهه گذشته به‌سرعت رشد کرده است که ناشی از فرسودگی زیرساخت‌های حیاتی، استفاده فزاینده از مصالح مرکب و در دسترس بودن حس‌گری و محاسبات کم‌هزینه است.

الگوی محوری SHM اغلب به‌صورت سلسله‌مراتبی چهارسطحی بیان می‌شود: (۱) تشخیص — آیا خسارت وجود دارد؟ (۲) مکان‌یابی — کجاست؟ (۳) کمّی‌سازی — چه میزان شدید است؟ (۴) پیش‌آگاهی — عمر باقی‌مانده چقدر است؟ اکثر سامانه‌های SHM امروز به سطوح ۱ و ۲ دست می‌یابند، در حالی که سطوح ۳ و ۴ همچنان حوزه‌های فعال پژوهش هستند. خسارت معمولاً از طریق تغییرات در خواص مودی سازه (فرکانس‌های طبیعی، شکل‌های مودی، میرایی)، از طریق اندازه‌گیری‌های موضعی (کرنش، شتاب، گسیل صوتی) یا از طریق تشخیص الگوی آماری اعمال‌شده بر داده‌های حسگر انبوه شناسایی می‌شود. انتخاب رویکرد به نوع سازه، سازوکارهای خسارت مورد انتظار، تغییرپذیری محیطی و بهره‌برداری و سطح اعتماد مورد نیاز بستگی دارد.

SHM به‌طور گسترده به دو پارادایم تقسیم می‌شود. مبتنی بر مدل (فیزیک‌محور) پاسخ‌های اندازه‌گیری‌شده را با پیش‌بینی‌های یک مدل عددی (معمولاً اجزای محدود) مقایسه می‌کند؛ خسارت از باقی‌مانده — تفاوت میان مدل و اندازه‌گیری — استنتاج می‌شود. این رویکرد نیازمند مدل دقیق است و به خطاهای مدل‌سازی حساس است. مبتنی بر داده بر روش‌های آماری یا یادگیری ماشین برای شناسایی الگوها در داده‌های اندازه‌گیری، اغلب با استفاده از داده‌های پایه (وضعیت سالم) به‌عنوان مرجع، تکیه دارد. SHM مدرن به‌طور فزاینده‌ای هر دو پارادایم را در یک رویکرد ترکیبی به‌کار می‌گیرد. کاربردها دامنه وسیعی دارند — از پل‌ها، ساختمان‌ها و سکوهای دریایی تا توربین‌های بادی، هواپیماها و خطوط لوله. در مهندسی زلزله، SHM به‌ویژه ارزشمند است زیرا می‌تواند ارزیابی سریع پس از زلزله فراهم آورد و میان سازه‌های ایمن برای بازگشت و آن‌هایی که نیازمند بازرسی هستند تمایز قائل شود. زلزله کرایست‌چرچ ۲۰۱۱، زلزله‌های مرکزی ایتالیا ۲۰۱۶ و رویدادهای اخیر در ژاپن ارزش سامانه‌های پایش از پیش نصب‌شده برای تصمیم‌گیری سریع پس از رویداد را برجسته کرده‌اند. در ایران، SHM حوزه‌ای نوظهور است با استقرارهای آزمایشی روی پل‌ها، سدها و ساختمان‌های مهم و علاقه فزاینده به یکپارچه‌سازی SHM با سامانه‌های هشدار سریع زلزله و پاسخ سریع.

اشتراک این واژه: X LinkedIn تلگرام