Structural Damage Identification based on Mode Shape Transformations and Supervised Learning
2019
Rims Janeliukštis

Aizstāvēšana
17.05.2019. 15:00, RTU Laboratoriju māja, Paula Valdena iela 1, 101. telpa

Zinātniskais vadītājs
Sandris Ručevskis, Andris Čate

Recenzenti
Andrzej Katunin, Manuel Chiachio Ruano, Jānis Andersons

Promocijas darbs ir veltīts bojājumu lokalizācijas metožu izstrādei 1D (siju) un 2D (plātņu) metāla un kompozītmateriāla konstrukcijas elementos, kā arī bojājumu rakturošanai iepriekš saspriegtos dzelzceļa betona gulšņos. Pirmā daļa ir balstīta uz konstrukciju pašsvārstību formu transformācijas metodēm, piemēram, nepārtraukto telpisko veivletu transformāciju un pašsvārstību formu liekuma kvadrātu. Pašsvārstību formu izmantošana pamatota ar to, ka tās nodrošina telpisko informāciju par interesējošo konstrukciju. Pašsvārstības formas tika mērītas, izmantojot bezkontakta skenēšanas lāzera vibrometru. Skenēšanas punkti var tikt uzskatīti par sensoriem klasiskajā eksperimentālajā modālajā analīzē. Līdz ar to, salīdzinot ar klasisko modālo analīzi, lietotājam ir priekšrocība viegli pielāgot izmērāmo pašsvārstības formu izšķirtspēju, mainot skenēšanas režģa blīvumu. Bojāto konstrukciju pašsvārstības formas tiek apstrādātas, izmantojot iepriekšminētās transformācijas metodes, lai atklātu bojājuma atrašanās vietu. Izstrādāts algoritms, kas balstīts uz normalizētās veivletu mēroggrammas dispersiju bojājumu lokalizēšanai siju konstrukcijās. Šis algoritms dod priekšrocības salīdzinājumā ar parasto nepārtraukto veivletu transformāciju, jo nav nepieciešams izvēlēties vispiemērotāko veivletu funkciju un mēroga parametru optimālai bojājuma lokalizācijai. Šī darba daļa tiek veikta Latvijas Valsts pētniecības programmas ietvaros saskaņā ar granta līgumu "Inovatīvie materiāli un viedās tehnoloģijas vides drošumam, IMATEH". Promocijas darba otrā daļa ir veltīta konstrukciju bojājumu lokalizācijas metožu, balstītām uz uzraudzītās mašīnmācīšanās modeļiem, izstrādi. Pētījumi ir veikti pseidoefektu lokalizācijai uz oglekļa lamināta kompozītmateriāla konsolplātnes, kā arī akustisko emisiju avotu atdalīšanai iepriekšsaspriegtos dzelzceļa betona gulšņos lieces slodzē. Pirmais solis oglekļa kompozīta plātnes gadījumā ietver plātes rezonanses frekvenču identifikāciju, izmantojot eksperimentālo un skaitlisko modālo analīzi. Identificētās rezonanses frekvences tiek izmantotas kā nesējfrekvences plāksnes harmoniskai ierosmei. Plāte tiek sadalīta vienādās zonās, katrā zonā tiek pielikta punktveida masa, un mehāniskās deformācijas tiek reģistrētas ar deformāciju mērītājiem. Punktveida masa kalpo kā pseidoefekts, lokāli modificējot konstrukcijas masa, tādējādi nodrošinot izmaiņas konstrukcijas dinamiskajā atbildē uz ierosmi. Bojājumjutīgie parametri, kas ir atkarīgi no pieliktās masas atrašanās vietas uz plātnes, tiek iegūti no izmērītajām deformāciju laikrindām, un tie tiek izmantoti klasifikācijas modeļu apmācībai, pamatojoties uz tuvāko kaimiņu un lineārās diskriminācijas metodēm. Apmācītie klasifikatori ir pārbaudīti uz vairākiem jauniem masas pielikšanas punktiem to klasificēšanai kā piederīgus vienai no plātnes zonām. Dzelzceļa betona gulšņu akustiskās emisijas parametri tiek analizēti un pēcapstrādāti to tālākai izmantošanai par bojājumtīgiem parametriem klasifikācijas algoritmos, kas balstās uz lēmumu pieņemšanas kokiem. Tika pētītas arī akustisko emisiju pīķa frekvences, un šo frekvenču nobīde tiek novērota, palielinoties attālumam no apgabala ar lielāko plaisu koncentrāciju gulšņos.


Atslēgas vārdi
structural health monitoring, damage, classification, mode shape, wavelet

Janeliukštis, Rims. Structural Damage Identification based on Mode Shape Transformations and Supervised Learning. Promocijas darbs. Rīga: [RTU], 2019. 172 lpp.

Publikācijas valoda
English (en)
RTU Zinātniskā bibliotēka.
E-pasts: uzzinas@rtu.lv; Tālr: +371 28399196