عیب یابی سازه ها با استفاده از شاخص تابع پاسخ فرکانسی و مدل جایگزین مبتنی بر الگوریتم ماشین یادگیری حداکثر بهینه شده

امروزه استفاده از مدل های جایگزین مبتنی بر الگوریتم های هوش مصنوعی در زمینه عیب یابی سازه ها مورد توجه بسیاری از محققین قرار گرفته است. در این تحقیق، جهت افزیش دقت الگوریتم تشخیص عیوب چندگانه در سیستم های سازه ای، کرنل جدیدی مبتنی بر موجک لیتلود پالی برای الگویتم هوش مصنوعی ماشین یادگیری حداکثر، توسعه داده می شود. به منظور کاهش حجم محاسبات به روزرسانی مدل سازه از ماشین یادگیری حداکثر به عنوان مدل جایگزین برای تحلیل اجزای محدود دقیق سازه استفاده می شود. در روش دو مرحله ای پیشنهادی در مرحله اول با استفاده از شاخص مبتنی بر تابع پاسخ فرکانسی سازه، المان های معیوب مشخص می شود و در مرحله دوم شدت خرابی در این اعضا با استفاده از مدل جایگزین مبتنی بر ماشین یادگیری حداکثر تعیین می شود. برای مقایسه کارایی سیستم مبتنی بر ماشین یادگیری حداکثر، نتایج حاصل از کرنل پیشنهادی با سایر کرنل های پیشنهاد شده برای ماشین یادگیری حداکثر و همچنین الگوریتم ماشین بردار پشتیبان حداقل مربعات، مقایسه شده است. مثال های عددی حل شده بیانگر افزایش قابل توجه دقت الگوریتم ماشین یادگیری حداکثر در فرایند عیب یابی سازه ها در صورت استفاده از کرنل موجکی لیتلود پالی است.