عیب یابی ارتعاشی پوسته های استوانه ای براساس انحنای شکل مودها

علوم کاربردی و محاسباتی در مکانیک

مقاله 8، دوره 30، شماره 1 - شماره پیاپی 19، اسفند 1397، صفحه 119-128   

نوع مقاله: مقاله کوتاه

شناسه دیجیتال (DOI): 10.22067/fum-mech.v30i1.58045

نویسندگان

نیما جعفرزاده اقدم^{* 1}؛ محمد زهساز²؛ مرتضی صادقی²

¹دانشگاه ار وه ته ها آخن

²دانشگاه تبریز

چکیده

در حال حاضر مطالعات اندکی به عیب­یابی لوله­ها و پوسته­های استوانه­ای جدارنازک اختصاص یافته‌است. در سا‌ل‌های اخیر انحنای شکل مودها به‌علت حساسیت بالا به عیب، مورد‌توجه محققان قرار گرفته‌است ولی این روش­ها نیازمند داده­برداری متراکم و اسکن ارتعاشی کل سطح می­باشند که این موضوع استفادۀ صنعتی از این روش­ها را بسیار محدود کرده­است. در این پژوهش روش جدیدی برای عیب­یابی پوسته­های استوانه­ای معرفی گردیده‌است که نیازمند داده سازه سالم نمی­باشد و داده­برداری صرفاً در سه راستای طولی پوسته انجام می­شود. با انتقال اطلاعات آنالیز ارتعاشی سازه به شبکۀ عصبی، خروجی شبکه مکان دقیق عیب در سطح سازه خواهد بود و به تکنسین ماهر برای تفسیر داده­ها نیاز ندارد. عملکرد روش پیشنهادی بااستفاده از ورودی­های جدید و غیر آشنا برای شبکه، صحت سنجی گردید و میزان رگرسیون 97/0 به‌دست آمد.
.

کلیدواژه‌ها

پوسته استوانه ای؛ انحنای شکل مود؛ تحلیل المان محدود؛ شاخص عیب؛ شبکه عصبی مصنوعی

مراجع

1. Qiao, P., Lu, K., Lestariand, W. and Wang, J. "Curvature Mode Shape-based Damage Detection in Composite Laminated Plates", Composite Structures, Vol. 80, No. 3, pp. 409-428, (2007).

2. Fan, W. and Qiao, P., "Vibration-based Damage Identification Methods: A Review and Comparative Study", Structural Health Monitoring, Vol. 10, No. 1, pp. 83-111, (2011).

3. Torabi, K., Shariati-Nia, M. and Heidari-Rarani, M., "Moving Support Technique for Delaminatoin Detection in Laminated Composite Beams Using the First Natural Frequency", Journal of Reinforced Plastics and Composites, pp. 1116-1128, 0731684417703489, (2017).

4. Torabi, K., Shariati-Nia, M. and Heidari-Rarani, M., "Experimental and Theoretical Investigation on Transverse Vibration of Delaminated Cross-ply Composite Beams", International Journal of Mechanical Sciences, Vol. 115, pp. 1-11, (2016).

5. Dessi, D. and Camerlengo, G., "Damage Identification Techniques Via Modal Curvature Analysis: Overview and Comparison", Mechanical Systems and Signal Processing, Vol. 52, pp. 181-205, (2015).

6. Giurgiutiu, V., "Structural Health Monitoring (SHM) of Aerospace Composites", Polymer Composites in the Aerospace Industry, pp. 449–507, (2015).

7. Qiao, P., Lestari, W., Shah, M.G. and Wang, J. "Dynamics-based Damage Detection of Composite Laminated Beams Using Contact and Noncontact Measurement Systems", Journal of Composite Materials, Vol. 41, No. 10, pp. 1217-1252, (2007).

8. He, M., Yang, T. and Du, Y.,"Nondestructive Identification of Composite Beams Damage Based on the Curvature Mode Difference", Composite Structures, Vol. 176, pp. 178-186, (2017).

9. Xu, Y., Zhu, W. and Smith, S., "Non-model-based Damage Identification of Plates Using Principal, Mean and Gaussian Curvature Mode Shapes", Journal of Sound and Vibration, Vol. 400, pp. 626-659, (2017).

10. Xiang, J., Matsumoto, T., Wang, Y. and Jiang, Z., "Detect Damages in Conical Shells Using Curvature Mode Shape and Wavelet Finite Element Method", International Journal of Mechanical Sciences, Vol. 66, pp. 83-93, (2013).

11. ASTM A106 / A106M, Standard Specification for Seamless Carbon Steel Pipe for High-Temperature Service, ASTM International, West Conshohocken, PA, (2010), www.astm.org

12. Ratcliffe, C.P., "A Frequency and Curvature Based Experimental Method for Locating Damage in Structures", Journal of Vibration and Acoustics, Vol. 122, No. 3, pp. 324-329, (2000).

13. Paya, B., Esat, I. and Badi, M., "Artificial Neural Network Based Fault Diagnostics of Rotating Machinery Using Wavelet Transforms as a Preprocessor", Mechanical Systems and Signal Processing, Vol. 11, No. 5, pp. 751-765, (1997).

14. Hagan, M.T., Demuth, H.B. and Beale, M.H., "Neural Network Design", Pws Pub. Boston, (1996).