آسیب¬یابی و پایش تندرستی سازه¬ها بر پایه¬ی امواج هدایت¬شده¬ی فراصوت با الگوریتم پردازش سیگنال فراکتال

STUDENT

DEGREE

YEAR

Damage diagnosis systems for mechanical structures have a great importance and the development of such systems and methods of damage detection attracts many attentions to itself. It is expected that these methods provide enough information about structural health conditions and inform the operator of introduction, severity, and location of damage. Ultrasonic wave propagation with piezoelectric transducers is one of the most efficient and popular methods for detecting damage in structural health monitoring systems. Damage detection by using ultrasonic guided waves is facing issues such as complex wave propagation mechanism, the existence of multiple modes of guided waves in the same time and dispersive nature of ultrasonic waves. In addition, the biggest challenge to this goal is that the method is prone to contamination from the temperature variations and operational conditions. Damage-sensitive features are also sensitive to temperature variations. Therefore, conventional methods of damage detection lose their functionality in case of temperature changes effect on ultrasonic wave data and falsely alert the introduction of damage. The aim of this project is to remove undesired temperature effect from wave data in order to detect damage in the presence of temperature variability by using ultrasonic guided waves. To understand wave propagation mechanism, excitation conditions in pipes, finding the best sensor location and determination of the optimal number of actuators, three-dimensional and transient FEM simulations are performed. Temperature effect on guided waves in steel pipe and plate is studied experimentally. To detect damage in the presence of temperature variation and to remove undesired temperature effect on wave data, cointegration and fractal signal processing are used. The cointegration is a method that developed originally from the field of econometrics and relies on the analysis of stationary behavior whereas the fractal signal processing is based on wavelet transform for self-similarity analysis of time series in different scales. The idea behind using these methods is to find self-similarity pattern in cointegration residuals that are purged of the temperature effect. The influence of damage introduction on self-similarity pattern is studied, and severity of damage is Keywords: structural health monitoring, guided wave propagation, cointegration, wavelet transform, fractal signal processing, self-similarity, temperature variation, FEM simulation, experimental setup

سامانه‌های آسیب یابی برای سازه های مکانیکی از اهمیت بسیار بالایی برخوردار بوده و مساله ی گسترش سامانه‌ها و روش های شناسایی آسیب در سازه ها، توجه بسیاری را به خود جلب کرده است. انتظار می رود این روش ها اطلاعات کافی از وضعیت تن درستی سازه ارایه دهند و کاربر را از آغازِ پدیدآمدن آسیب، شدت و جای آن آگاه کنند. یکی از مؤثرترین و پرکاربردترین روش های شناسایی آسیب در سامانه های پایش تن درستی سازه ها، پخش موج های هدایت شده ی فراصوت در سازه با بهره گیری از به کاراندازنده های پیزوالکتریک است. شناسایی آسیب به کمک موج های هدایت شده ی فراصوت با دشوای هایی هم چون پیچیدگی پخش موج، پدیداری چندین مود از موج به صورت هم زمان و سرشت پراکنشی موج روبه رو می باشد. افزون بر این ها بزرگ ترین چالشی که در برابر این هدف قرار دارد، اثر پذیری بسیار بالای موج های هدایت شده از دگرگونی شرایط دمایی و کارکردی می باشد. ویژگی های حساس به آسیب به دگرگونی های دمایی هم حساس هستند و به همین دلیل روش های رایج شناسایی آسیب، در شرایط دماوردا کارایی خود را از دست داده و به اشتباه، پدید آمدن آسیب را هشدار می دهند. هدف از این پژوهش از بین بردن اثر دما روی موج های فراصوت برای آسیب یابی سازه ای در شرایط دماوردا به کمک موج های هدایت شده ی فراصوت است. در آغاز برای درک چگونگی پخش و شرایط برانگیزش موج فراصوت در لوله ها و یافتن جا و شمار حسگر و به کاراندازنده ها، شبیه سازی های سه بعدی و گذرای اجزای محدود به کار گرفته می شود و با فراهم آوردن چیدمان آزمایشگاهی، اثر دما روی پخش موج های هدایت شده ی فراصوت در ورق و لوله ی فولادی بررسی می شود. برای شناسایی آسیب در شرایط دماوردا و از بین بردن اثر دما روی سیگنال های گردآوری شده از آزمایش ها، روش هم پارچگی و پردازش سیگنال فراکتال به کار می رود. هم پارچگی روشی برگرفته از حوزه ی دانش اقتصاد بوده و تکیه بر بررسی رفتار ایستان رشته های زمانی دارد و پردازش سیگنال فراکتال بر پایه ی تبدیل موجک برای بررسی خودتشابهی رشته های زمانی در مقیاس های گوناگون است. اندیشه ای که در پس به کارگیری این روش ها نهفته است، یافتن الگوی خودتشابهی در پس مانده های هم پارچه بوده که تهی از هرگونه دگرگونی های دما باشد. برای آسیب شناسی، اثر پدید آمدن آسیب روی الگوی خودتشابهی بررسی شده و شدت آن بر حسب میزان خودتشابهی دسته بندی می شود. نتیجه ها نشان می دهد که این روش توانایی بالایی در شناسایی و دسته بندی آسیب بر حسب شدت دارد. هم چنین دیده می شود که با کاربرد روش هم پارچگی و پردازش سیگنال فراکتال می توان بدون نیاز به سیگنال پایه به شناسایی آسیب پرداخت و به صورت کیفی شدت های گوناگون آن را بررسی کرد. واژه های کلیدی: پایش تن درستی سازه ها، پخش موج هدایت شده ، هم پارچگی، تبدیل موجک، پردازش سیگنال فراکتال، خود تشابهی، دما وردایی، شبیه سازی اجزای محدود، آزمون آزمایشگاهی.