کاربرد هوش مصنوعی در بکارگیری تجهیزات نوین برای شناسایی آسیب و نگهداری هوشمند پلها
کلمات کلیدی:
سلامت پل, آسیب, نگهداری, هوش مصنوعیچکیده
پلها به عنوان بخش مهمی از زیرساختهای یک کشور، نقش کلیدی در توسعه اقتصادی و تسهیل جریانهای حمل و نقل ایفا میکنند. این سازهها علاوه بر جنبههای ترافیکی، در مواقع بحران نقش حیاتی را در حفظ ارتباطات و تسهیل عملیات امداد و نجات برعهده دارند. بنابراین اهمیت نظارت و نگهداری از این شریان های حیاتی برای بهره برداری تضمین شده در شرایط بحران بسیار حائز اهمیت می باشد. هوش مصنوعی بهطور فزایندهای در زمینه نگهداری و مدیریت راهها، جادهها و خصوصا پلها بهعنوان ابزاری کارآمد و موثر مورد استفاده قرار میگیرد. این فناوری با استفاده از الگوریتمهای یادگیری ماشین و تحلیل دادههای بزرگ، به مهندسان این امکان را میدهد که سلامت پلها را بهطور دقیق و منظم پایش کنند و فرآیندهای نگهداری و تعمیر را بهینهسازی و بهبود بخشند. یکی از کاربردهای اصلی هوش مصنوعی در نگهداری زیر ساخت های حیاتی مانند پل، پیشبینی خرابیها و آسیبها است. با تحلیل دادههای بهدستآمده از ابزارهای سنجشی و سیستمهای نظارتی، هوش مصنوعی قادر است الگوهای خرابی و آسیبها را شناسایی کرده و حتی زمان وقوع آن را پیشبینی نماید. این پیشبینیها به مهندسان کمک میکند تا از خرابیهای عمده و هزینههای تعمیرات غیرمنتظره جلوگیری کنند. در این مقاله به ارائه و بررسی تجهیزات نوین و پیشرفته برای بازرسی و نگهداری زیر ساخت های حمل و نقل با استفاده از الگوریتم های هوش مصنوعی پرداخته شده است.
دانلودها
مراجع
[1] G. Zhang, Y. Liu, J. Liu, S. Lan, J. Yang, Causes and statistical characteristics of bridge failures: A review, Journal of Traffic and Transportation Engineering (English Edition) 9 (2022) 388–406.
[2] P.J. Sanchez-Cuevas, P. Ramon-Soria, B. Arrue, A. Ollero, G. Heredia, Robotic System for Inspection by Contact of Bridge Beams Using UAVs, Sensors 19 (2019) 305.
[3] C. Lazo, P. Gallardo, S. Cespedes, A bridge structural health monitoring system supported by the Internet of Things, in: IEEE Colombian Conference on Communication and Computing (IEEE COLCOM 2015), IEEE, 2015: pp. 1–6.
[4] J.J. Moughty, J.R. Casas, A State of the Art Review of Modal-Based Damage Detection in Bridges: Development, Challenges, and Solutions, Applied Sciences 7 (2017) 510.
[5] W. Han, G. Yang, S. Chen, K. Zhou, X. Xu, Research progress on intelligent operation and maintenance of bridges, Journal of Traffic and Transportation Engineering (English Edition) 11 (2024) 173–187.
[6] H.-T. Thai, Machine learning for structural engineering: A state-of-the-art review, Structures 38 (2022) 448–491.
[7] X. Zhong, Z. Chen, J. Liu, J. Chen, A wideband optical channelized receiver based on coherent optical frequency combs and Fabry-Perot filter, in: P. Liu, Y. Tian, T. Xiao (Eds.), Second Symposium on Novel Technology of X-Ray Imaging, SPIE, 2019: p. 52.
[8] S. Jiang, J. Zhang, Real‐time crack assessment using deep neural networks with wall‐climbing unmanned aerial system, Computer-Aided Civil and Infrastructure Engineering 35 (2020) 549–564.
[9] Y. Liu, X. Nie, J. Fan, X. Liu, Image‐based crack assessment of bridge piers using unmanned aerial vehicles and three‐dimensional scene reconstruction, Computer-Aided Civil and Infrastructure Engineering 35 (2020) 511–529.
[10] K. Jang, Y. An, B. Kim, S. Cho, Automated crack evaluation of a high‐rise bridge pier using a ring‐type climbing robot, Computer-Aided Civil and Infrastructure Engineering 36 (2021) 14–29.
[11] K. Jang, Y. An, B. Kim, S. Cho, Automated crack evaluation of a high‐rise bridge pier using a ring‐type climbing robot, Computer-Aided Civil and Infrastructure Engineering 36 (2021) 14–29.
[12] X. Li, H. Sun, T. Song, T. Zhang, Q. Meng, A method of underwater bridge structure damage detection method based on a lightweight deep convolutional network, IET Image Process 16 (2022) 3893–3909.
[13] F. Potenza, C. Rinaldi, E. Ottaviano, V. Gattulli, A robotics and computer-aided procedure for defect evaluation in bridge inspection, J Civ Struct Health Monit 10 (2020) 471–484.
[14] H. Kim, J. Yoon, S. Sim, Automated bridge component recognition from point clouds using deep learning, Struct Control Health Monit 27 (2020).
[15] Z. Dong, Z. Mai, S. Yin, J. Wang, J. Yuan, Y. Fei, A weld line detection robot based on structure light for automatic NDT, The International Journal of Advanced Manufacturing Technology 111 (2020) 1831–1845.
[16] H.G.H.H. et al. B. Han, Research on intelligent robot for fatigue crack detection of orthotropic steel bridge panel, Highway (2021) 143–148.
[17] H. Jin Lim, S. Hwang, H. Kim, H. Sohn, Steel bridge corrosion inspection with combined vision and thermographic images, Struct Health Monit 20 (2021) 3424–3435.
[18] S.T. Nguyen, H.M. La, A Climbing Robot for Steel Bridge Inspection, J Intell Robot Syst 102 (2021) 75.
