Yüksek yapılar için modal analiz tabanlı hasar tespiti ve yapı sağlığı izleme yaklaşımı

Abstract

Yapı sağlığı izleme (SHM), herhangi bir yüklemeye bağlı olarak hasar gören yüksek katlı yapıların sağlığını kontrol etmek için şu anda az sayıda da olsa uygulanmaktadır. Burada hedeflenen yapıda muhtemel hasar mekanizmasının başlangıç düzeyinde tespit edebilmek ve karar destek sistemlerine bilgi üretebilmektedir. Ancak uygulamada, birçok farklı nedenle bu düzeyde izlemeden ziyade genel maksatlı izlemeler tercih edildiği, çok az sayıda örnekte ise önemli sayıda ve nitelikte sensör ile izlemelerin yapıldığı da aşikardır. Bu maksatla çalışmada, hasarlı katları tespit etmek ve ardından hasarlı elemanların yerini belirleyebilmek için hibrit bir prosedür(ler) önerilmiştir. İlk adım için modal şekildeğiştirme enerjisi (MSE) yaklaşımı, ters çözüm, ve Yapay Sinir Ağı (ANN) yöntemi olmak üzere üç yöntem kullanılmaktadır. Başlangıçta ötelenme serbestlikleri üzerine kurulan yaklaşımlar bir yapının gerçek davranışını daha iyi modelleyebilmek maksadıyla dönme serbestliklerini de içerecek şekilde Guyan statik yoğuşma prosedürü kullanılarak yaklaşık olarak basitleştirilmiş, daha sonra, sadece ilk iki en düşük eğilme modunu kullanarak ters çözüm uygulanarak gerçekleştirilen modeller sayısal ve deneysel olarak doğrulanmıştır. ANN tabanlı teknik, gerek diğer yaklaşılmalarda kat düzeyinde hasarı tahmin etmek için gerekse kat ve eleman düzeyi tespitleri için ayrı ayrı kullanılmıştır. Ağlar, en düşük eğilme modları kullanılarak eğitilmiştir. İkinci adımda, yalnızca belirlenen katlara odaklanarak hasarlı elemanları tahmin edebilmek için ANN yöntemi yardımıyla değişken sayısı etkin bir şekilde azaltılabilmektedir. Çalışmada, farklı yöntemler ve hibrit yaklaşımlar sırasıyla iki boyutlu (2D) problemden başlayarak, yüksek binayı temsilen (3D) 30 katlı bir binanın hasar tespitine kadar farklı senaryolar için adım adım geliştirilerek verilemektedir. Bu veriler ışığında düşük gürültü düzeyleri için tüm seviyelerde hasar tahminlerinin doğru bir şekilde elde edilebildiği gösterilmiştir.

Structural health monitoring (SHM) has been applied, albeit in small numbers, in the regular control of high-rise buildings’ health that has deteriorated having been subjected to any loading. The main objective is to detect invisible damage at the initial levels for early warning of collapse and retrofitting works. However, in practice, it is obvious that monitoring is preferred preferred for general purposes instead of these levels for many different reasons, and it is implemented utilizing dense sensor networks and high-qualified sensors in very few examples. To circumvent the complexity of high-rise buildings, hybrid procedures are proposed to detect damage at storey and then element levels. For the first step, three approaches, namely modal strain energy (MSE), eigenvalue problem-based inverse solution, and Artificial Neural Network (ANN) are considered. The inverse solution based technique is constructed based on the behavior of lumped-mass systems simplified from full buildings employing the Guyan static condensation procedure. The technique detects damage accounting for only the first two lowest bending modes and is verified numerically and experimentally. The ANN approach is also implemented for storey-level detection. The networks are trained using only the lowest bending modes. In the second step, the ANN method is deployed to pinpoint damaged elements focusing only on the identified storeys, effectively reducing the number of variables. In this thesis, hybrid approaches are implemented considering the two-dimensional (2D) and then (3D) 30-storey buildings. As a result, storey-level and element-level detection is accurately achieved as long as the generated modal data is low-level noise-contaminated.