تعیین موقعیت آسیب در سازه‌های تیرشکل به کمک تجزیه مودهای ذاتی چند متغیره پاسخ ارتعاشات تصادفی

نوع مقاله: مقاله مستقل

نویسندگان

1 استادیار، گروه مهندسی مکانیک، واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران

2 دانش آموخته کارشناسی ارشد، گروه مهندسی مکانیک، واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران

چکیده

عیب یابی بر اساس مشخصات ارتعاشی سازه در چند دهه اخیر توجه محققان زیادی را به خود جلب کرده است. روش‌های عیب یابی زیادی بر مبنای پارامترهای مودال سازه ارائه شده است اما با توجه به پرهزینه بودن اجرای تست‌های مودال، استفاده مستقیم از پاسخ‌های ارتعاشی بیشتر مورد توجه بوده است. در این مطالعه، یک تکنیک جدید برای پردازش پاسخ‌های ارتعاشی تصادفی با هدف تعیین موقعیت عیب در سازه‌های تیرشکل تحت اثر نیروی تصادفی ارائه شده است. این تکنیک بر اساس تجزیه چند متغیره مودهای ذاتی سیگنال‌های پاسخ ارتعاشی تصادفی سازه می‌باشد. مزیت استفاده از تبدیل چند متغیره مودهای ذاتی نسبت به تجزیه مودهای ذاتی این است که می‌توان به صورت همزمان و هماهنگ، پاسخ‌های ارتعاشی تصادفی تمام نقاط سازه را لحاظ کرده و توابع مودهای ذاتی متناظر را به دست آورد. با در نظر گرفتن این نکته که کاهش سختی موضعی ناشی از عیب متناظر با افزایش ناگهانی انحنای تغییر شکل سازه خواهد بود، از توزیع مکانی مودهای ذاتی برای تعیین محل عیب استفاده شده است. روش پیشنهادی بر روی یک تیر معیوب گسسته سازی شده پیاده سازی شده است. به منظور اثبات کارایی روش پیشنهاد شده اثر تعداد المان، محل عیب و همچنین شدت عیب مورد بررسی قرار گرفته است. نتایج حاصله در مورد تمام حالات شبیه سازی رضایت بخش بوده است.

کلیدواژه‌ها

موضوعات


[1] Dilena M, Limongelli MP, Morassi A (2015) Damage localization in bridges via the FRF interpolation method. Mech Syst Signal Process 52-53: 162-180.

[2] Salehi M, ZiaeiRad S, Ghayour M, VaziriZanjani M.A (2010) A Structural Damage Detection Technique Base on Measured Frequency Response Functions. Contemp eng Sci 3(5): 215-226.

[3] Salehi M, ZiaeiRad S, Ghayour M, VaziriZanjani M.A (2013) A frequency response based structural damage localization method usingindependent component analysis. J Mech Sci Technol 27(3): 609-619.

[4] Salehi M, ZiaeiRad S, Ghayour M, VaziriZanjani MA (2011) A Frequency Response Based Structural Damage Localization Method Using Proper Orthogonal Decomposition. Journal of Mechanics 2(27): 157-166.

[5] Wang D, Xiang W, Zeng P, Zhu H (2015) Damage identification in shear-type structures using a proper orthogonal decomposition approach. J Sound Vib 355: 135-149.

[6] Cheng CM, Peng ZK, Don XJ, Zhang WM, Meng G  (2015) A novel damage detection approach by using Volterra kernel functions based analysis. J Franklin Inst 352: 3098-3112.

[7] Yang ZB, Radzienski M, Kudela P, Ostachowicz W (2017) Fourier spectral-based modal curvature analysis and its application to damage detection in beams. Mech Syst Signal Process 84: 763-781.

[8] Xiang J, Matsumoto T, Wang Y, Jiang Z (2013) Detect damages in conical shells using curvature mode shape and wavelet finite element method. Int J Mech Sci 66: 86-93.

[۹] سروستان و، میردامادی ح، غیور م (1394)، آنالیز ارتعاشات آزاد و واداشته تیر اویلر- برنولی ترک‌دار با بهره گیری از روش المان محدود طیفی. مجله علمی پژوهشی مکانیک سازهها و شارهها 70-57 :(۲)5.

[10] Huang NE, Shen Z, Long SR, Wu MC, Shih HH, Zheng Q, Yen NC, Tung CC, Liu HH (1998) The empirical mode decomposition and the Hilbert spectrum for nonlinear and non-steady time series analysis. Proc RSoc London Ser A 454: 903-995.

[11] Obrien EJ, Malekjafarian A, Gonzalez A (2017) Application of empirical mode decomposition to drive-by bridge damage detection. Eur J Mech A Solids 61: 151-163.

[12] Aied H, Gonzalez A, Cantero D (2016) Identification of sudden stiffness changes in the acceleration response of a bridge to moving loads using ensemble empirical mode decomposition. Mech Syst Signal Process 66-67: 314-338.

[13] Ratolikar MD, Reddy MCS, Theja TR, Siddhartha C (2015) Crack detection for various loading conditions in beam using Hilbert-Huang transform. J Mech Civ Eng 12: 22-29.

[14] Quek S, Tua P, Wang Q (2003) Comparison of Hilbert-Huang Wavelet and Fourier Transforms for Selected Applications, Mini-Symp. on Hilbert-Huang Transform in Engineering Applications. Newark, Delaware.

[15] RoveriN, Carcaterra A (1998) Damage detection in structures under traveling loads by Hilbert–Huang transform. Mech Syst Signal Process 28: 128-144.

[16] Amjad U, Yadav SK, Kundu T (2015) Detection and quantification of pipe damage from change in time of flight and phase. Ultrasonics 62: 223-236.

[17] Hsu WK, Chiou DJ, Chen CW, Liu MY, Chiang WL, Huang PC (2012) Sensitivity of initial damage detection for steel structures using the Hilbert-Huang transform method. J Vib Control 19(6): 857-878.

[18] Kunwar A, Jha R, Whelan M, Janoyan K (2011) Damage detection in an experimental bridge model using Hilbert-Huang transform of transient vibrations. Struct Control Health Monit 20: 1-15.

[19] رضائی م، بانان ع، ترقی ا (1393)، ارائه روش EMD اصلاح شده برای آنالیز سیگنال نویزدار در حوزه زمان- فرکانس. نشریه پژوهشی مهندسی مکانیک ایران 20-6: (1)16.

[20] Rehman N, Mandic D.P (2010) Multivariate empirical mode decomposition. ProcRoy Soc A 466: 1291-1302.

[21] Xianfeng F, Mingzuo J (2004) Gearbox fault detection using empirical mode decomposition. Int Mech Eng Congress Expo 12(4): 456-467.

[22] Yu D, Cheng J, Yang Y (2003) Application of EMD method and Hilbert Spectrum to the fault diagnosis of roller bearings. Mech Syst Signal Process 19(3): 259-270.

[23] Huang NE (2002) The empirical mode decomposition and Hilbert spectrum for nonlinear and non-stationary time series analysis. Proc Royal Soc Lond 454(5): 903-995.

[24] Beena P, Ganguli R (2010) Structural damage detection using fuzzy cognitive maps and Hebbian learning. Appl Soft Comput 12(3): 132-144.

[25] Tanaka T, Mandic DP (2006) Complex empirical mode decomposition. IEEE Signal Process Lett 14: 101-104.

[26] Rilling G, Flandrin P, Goncalves P, Lilly JM (2007) Bivariate empirical mode decomposition. IEEE Signal Process Lett 14: 936-939.