پایش سلامت سازه‌ای سدهای بتنی با استفاده از روش‌های نوین (مطالعه موردی: سد باغان جم)

الموضوعات : Analysis, design and construction of water structures

سید شهاب امامزاده ¹ , مصطفی حیدری ²

1 - گروه مهندسی عمران، دانشکده فنی و مهندسی، دانشگاه خوارزمی، تهران، ایران.
2 - دانشگاه آزاد اسلامی واحد کنگان، بوشهر، ایران.

تاريخ الإرسال : 24 الأحد , ربيع الثاني, 1446 تاريخ التأكيد : 01 الثلاثاء , ذو القعدة, 1446 تاريخ الإصدار : 04 الجمعة , ذو القعدة, 1446

الکلمات المفتاحية: پایش سلامت سازه, سدهای بتنی, روش‌های غیرمخرب, تحلیل مودال, سنسورهای هوشمند, سد باغان جم ,

ملخص المقالة :

این مطالعه به بررسی روش‌های نوین پایش سلامت سازه‌ها (SHM) با تمرکز بر سدهای بتنی پرداخته و کاربرد این روش‌ها را در تشخیص آسیب‌های آشکار و پنهان سازه‌ای تحلیل می‌کند. روش‌های مورد بحث شامل تحلیل مودال، شبکه‌های عصبی، تشخیص الگو، فیلتر کالمان، روش‌های آماری و تحلیل سیگنال است که هر یک از منظر دقت، مزایا و محدودیت‌ها ارزیابی شده‌اند. نتایج نشان می‌دهد که ترکیب این روش‌ها می‌تواند به کاهش هزینه‌های تعمیر و نگهداری، پیش‌آگاهی از مخاطرات و کاهش تلفات جانی و مالی منجر شود. به‌عنوان مطالعه موردی، سیستم پایش سلامت سد بتن غلتکی باغان جم با استفاده از روش اجزای محدود طراحی شده است. برای تحلیل اثر ساختگاه، سه مدل مختلف با لایه‌بندی خاک (تک‌لایه، دو لایه و سه لایه) بررسی شد. معیارهای نصب حسگرها بر اساس تنش فون مایسز (بیش از 5/1 مگاپاسکال) و جابجایی (بیش از ۱ سانتیمتر) تعیین گردید. نتایج برای سه سطح خطر لرزه‌ای (زیاد، متوسط و کم) نشان داد که تعداد حسگرهای مورد نیاز متناسب با شدت خطر: سطح خطر زیاد: (PGA>0.7)  ۱۸ حسگر (۸ حسگر تنش‌سنج و ۱۰ جابجایی‌سنج)، سطح خطر متوسط: (0.4<PGA<0.7) ۱۴حسگر (۶ تنش‌سنج و ۸ جابجایی‌سنج)، سطح خطر کم: (PGA<0.4) ۹حسگر (۴ تنش‌سنج و ۵ جابجایی‌سنج) تغییر می‌کنند. این پژوهش بر اهمیت پایش مستمرسدها به‌ویژه در مناطق لرزه‌خیز تأکید دارد و نشان می‌دهد که استفاده از سیستم‌های هوشمند پایش می‌تواند به بهبود ایمنی و افزایش عمر مفید سازه‌های حیاتی کمک شایانی نماید.

المصادر:

Balageas, D., Fritzen, C. P., & Güemes, A. (Eds.). (2010). Structural health monitoring (Vol. 90). John Wiley & Sons.
Doebling, S. W., Farrar, C. R., Prime, M. B., & Shevitz, D. W. (1996). Damage identification and health monitoring of structural and mechanical systems from changes in their vibration characteristics: a literature review. Technical Report No. LA-13070-MS. https://doi.org/30. 10.2172/249299.
Emamzadeh, S. (2022). Dynamics behavior investigation of concrete gravity dams by deep underwater explosion method. Iranian Dam and Hydroelectric Powerplant, 8 (31), 29-40.
Hill, K. O., Fujii, Y., Johnson, D. C., & Kawasaki, B. S. (1978). Photosensitivity in optical fiber waveguides: Application to reflection filter fabrication. Applied physics letters, 32(10), 647-647.
Hou, Z., Hera, A., & Noori, M. (2004). A stochastic model for localized disturbances and its applica-tions. Probabilistic engineering mechanics, 19(3), 211-218.
Huang, N. E., Wu, M. L. C., Long, S. R., Shen, S. S., Qu, W., Gloersen, P., & Fan, K. L. (2003). A confidence limit for the empirical mode decomposition and Hilbert spectral analysis. Proceedings of the Royal Society of London. Series A: Mathematical, Physical and Engineering Sciences, 459(2037), 2317-2345. https://doi.org/10.1098/rspa.2003.1123
Ismail, Z., Ong, A. Z. C., & Rahman, A. G. A. (2011). Crack damage detection of reinforced concrete beams using local stiffness indicator. Scientific Research and Essays, 6(34), 6798-6803. https://doi.org/10.5897/SRE11.040
Katafygiotis, L. S., & Beck, J. L. (1995). A very efficient moment calculation method for uncertain linear dynamic systems. Probabilistic engineering mechanics, 10(2), 117-128. https://doi.org/10.1016/0266-8920(95)00005-
Ma, C., Xu, X., Yang, J., & Cheng, L. (2023). Safety monitoring and management of reservoir and dams. Water, 15(6), 1078. https://doi.org/10.3390/w15061078
Oliveira, S., & Alegre, A. (2019). Seismic and structural health monitoring of dams in Portugal. Seismic structural health monitoring: from theory to successful applications, 87-113.
Oliveira, S., & Alegre, A. (2020). Seismic and structural health monitoring of Cabril dam. Software development for informed management. Journal of Civil Structural Health Monitoring, 10(5), 913-925. https://doi.org/10.1007/s13349-020-00425-0
Oliveira, S., Alegre, A., Carvalho, E., Mendes, P., & Proença, J. (2022). Seismic and structural health monitoring systems for large dams: theoretical, computational and practical innovations. Bulletin of Earthquake Engineer-ing, 20(9), 4483-4512. https://doi.org/10.1007/s10518-022-01392-1
Quek, S. T., Tua, P. S., & Wang, Q. (2003). Detecting anomalies in beams and plate based on the Hilbert–Huang transform ofreal signals. Smart materials and structures, 12(3), 447. https://doi.org/10.1088/0964-1726/12/3/316
Raufi, F., & Bahar, O. (2010). Damage Detection in 3-Story Moment Frame Building by Wavelet Analysis. In 14th European conference on Earthquake Eng. Ohrid. Macedonia.
Robbe, E., Kashiwayanagi, M., & Yamane, Y. (2017). Seismic analyses of concrete dam, comparison between finite-element analyses and seismic records. In 16th World Conference on Earthquake Engineering, Santiago, Chile.
Sheykhali, M., Asadollahfardi, G., & Emamzadeh, S. S. (2020). Evaluation of the vulnerability of water supply facilities using the AHP and RAMCAP combined methods. Amirkabir Journal of Civil Engineering, 52(5), 1205-1220. https://doi.org/10.22060/ceej.2019.15289.5873. (In Persian)
Sohn, H., Farrar, C. R., Hemez, F. M., Shunk, D. D., Stinemates, D. W., Nadler, B. R., & Czarnecki, J. J. (2003). A review of structural health monitoring literature: 1996–2001. Los Alamos National Laboratory, USA, 1(16), 10-12989.
Zarafshan, A., & Ansari, F. (2013, June). Damage index matrix: A novel damage identification method using Hilbert-Huang transformation. In Topics in Modal Analysis, Volume 7: Proceedings of the 31st IMAC, A Conference on Structural Dynamics, 2013 (pp. 439-450). New York, NY: Springer New York. https://doi.org/10.1007/978-1-4614-6585-0_42