عنوان

بروزرسانی مدل اجزا محدود سکوی فراساحلی شابلونی با استفاده از سیستم ترکیبی فازی-ژنتیک و گروه کریل(مطالعه موردی سکوی ‮‭( SPD۹‬

Number

‭۱۴۲۴۱پ‬

.Language of Text, Soundtrack etc

per

Title Proper

بروزرسانی مدل اجزا محدود سکوی فراساحلی شابلونی با استفاده از سیستم ترکیبی فازی-ژنتیک و گروه کریل(مطالعه موردی سکوی ‮‭( SPD۹‬

First Statement of Responsibility

/سعید شاکری زاد ابیانه

Name of Publisher, Distributor, etc.

: عمران

Date of Publication, Distribution, etc.

، ‮‭۹۴‬

Text of Note

چاپی

Dissertation or thesis details and type of degree

کارشناسی ارشد

Discipline of degree

عمران گرایش سازه‌های دریایی

Body granting the degree

تبریز

Text of Note

سکوصهای ثابت شابلونی از جمله متداول‌صترین سکوصهای فراساحلی هستند .این نوع سکوصها در ایران به‌صطور گسترده‌صای برای استخراج نفت و گاز مورد استفاده قرار می‌صگیرند .عوامل زیادی باعث ایجاد آسیب در سکوهای نفتی می‌صشود که می‌صتوان به ضربه کشتی، خوردگی و خستگی اشاره کرد.ص‍ در سال‌صهای اخیر و در فضای تحقیقاتی، پایش سلامتی سازه مورد توجه خاصی قرارگرفته است .تحقیقات پایش سلامتی سازه هر دو مسئله اقتصادی و امنیت جانی را شامل می‌صشود .برای عیب‌صیابی سازه-های فراساحلی، قسمت عمده‌صای از سازه برای اندازه‌صگیری در دسترس نمی-باشد .روش رایج در صنعت برای پایش سلامتی این سازه‌صها، شبیه‌سازی سناریوصهای مختلف به‌صورت عددی و به دست آوردن فرکانس‌های تشدید با استفاده از این شبیه‌سازی و مقایسه این تغییرات با داده‌صهای اندازه‌گیری شده سکو می‌صباشد .بروزصرسانی مدل المان محدود بر اساس نتایج آزمایشگاهی و یا میدانی موجود از مدل واقعی انجام می‌صگیرد که بر مبنای آن می‌صتوان یک مدل عددی پایه جهت تولید مجموعه داده‌صهای مورد اعتماد به‌صدست آورد .در روش‌صهای عیب‌صیابی در قالب مفهوم پایش سلامت سازه‌ص‍ نیز، مبنای کار ارزیابی مدل المان محدود تغییر یافته) سازه معیوب شده (در مقایسه با یک مدل المان محدود پایه می‌صباشد .بنابراین اساس الگوریتم‌صهای مورد استفاده در فرآیند بروز رسانی و همچنین فرآیند عیب یابی سازه دارای ساختار یکسانی می‌صباشند .در پایش سلامتی سازه به علت محدود بودن داده‌صهای اندازه‌صگیری شده، از مدل‌صهای ریاضی جهت گسترش داده‌صها استفاده می‌صشود و با بهره-گیری از داده‌صهای شبیه‌سازی‌شده، الگوصهای شناسایی مناسب برای ردیابی بین محل خرابی و اندازه خرابی‌صها طراحی می‌صشود .معمولا در این روش‌صها از الگوریتم‌صهایی همانند شبکه عصبی برای انجام شناسایی الگوصها کمک گرفته می‌صشود .اما فهم شبکه‌های عصبی دشوار است .در این پژوهش سعی شده تا روش‌صهای جایگزین مطرح و مورد ارزیابی قرار گیرند .از آن جمله، ساختار قدرتمند ژنتیک فازی و سیستم ترکیبی الگوریتم گروه کریل و منطق فازی برای پایش سلامتی سازه در سکوصهای شابلونی است .الگوریتم گروه کریل یکی از جدیدصترین الگوریتم‌صها بر پایه هوش جمعی و الگوریتم ژنتیک کاربردی‌صترین الگوریتم تکاملی است که در این تحقیق مورد بررسی قرار گرفته است .بر اساس آنچه بیان شد، ابتدا مدل آزمایشگاهی سکو شابلونی ‮‭SPD۹‬ جهت به دست آوردن پارامترهای مودال تجربی با استفاده از رفتار ارتعاشی سازه استفاده شد .مدل المان محدود سازه با استفاده از نرم‌افزار ‮‭ABAQUS‬ ساخته شد و با کمک نتایج به‌دست‌آمده از مدل فیزیکی بروز رسانی مدل عددی انجام‌شد .تأثیرات عدم قطعیت‌ها در مدل تجربی و عددی لحاظ گردید تا به روشی صحیح و کارا در برابر عدم قطعیت‌ها جهت شناسایی خرابی و پایش سلامتی سازه دست پیدا گردد .منطق فازی روش استنتاجی قوی و منعطفی را برای مسائل با عدم قطعیت ارائه می‌صدهد و برای پایش سلامتی سازه به‌صدلیل وجود خروجی‌صهای زبان‌صشناختی بسیار مفید است .ترکیب منطق فازی و الگوریتم‌صهای هوشمند منجر به یک محاسبات نرم پیشرفته به نام سیستم ترکیبی الگوریتم هوشمند و منطق فازی می‌صگردد .در این سیستم‍ ترکیبی، الگوریتم‌صهای هوشمند تنظیم‌کننده توابع عضویت و قوانین فازی در سیستم استنتاج فازی هستند .با نشان دادن سیستم‌صهای ترکیبی الگوریتم هوشمند و منطق فازی در این پژوهش به‌صعنوان ساختار پیچیده پیشرفته، سیستم جدید و قدرتمندی برای پایش سلامتی سازه بیان شده است .بر اساس نتایج مشاهده شده الگوریتم‌صهای هوشمند عملکرد مناسبی را با وجود اعمال نویز به داده‌های ورودی از خود نشان دادند

Text of Note

Jacket platforms are amongst the most popular offshore platforms. These platforms are used for oil and gas extraction in Iran. There are various sources of damage to these platforms. Ship impact on the structural elements, corrosion damage and fatigue damage accumulation are the most common types of these damages. The process of visually inspecting marine structures, especially those in deep water, is much more difficult than for land based structures. To circumvent these difficulties, a common methodology is to simulate damage scenarios with numerical models, then examine the changes in resonance frequencies that are produced by these simulated changes and correlate these changes with those measured on a platform. In this study, a finite element model, which is updated based on an experimental model analysis, is used to derive a fundamental numerical model to produce reliable datasets. Modified finite element model evaluation (faulty structure) compared with a baseline finite element model is the basis of damage detection methods in the structural health monitoring framework. Therefore the algorithms used in the updating and damage detection process have the same structure. Furthermore the measured data is contaminated with noise. Also the other problem is the limitation of data, so a mathematical model is used to develop simulated measured data for the damaged structure. Then, the simulated data is used to develop a pattern recognition approach which maps the damage location and size. Regarding the literature, the neural network based approaches are the usual methods.In this thesis, an alternative and powerful architecture, the genetic fuzzy system (GFS) and hybrid Krill herd algorithm-fuzzy logic, are demonstrated for jacket platform health monitoring. Krill herd algorithm is one of the newest algorithms on the basis swarm intelligence. Also the genetic algorithm is one of the most usage evolution algorithm. The experimental scaled model of SPD9 jacket platform is used to find experimental modal parameters. The finite element model is built by ABAQUS and is updated by obtained experimental model data. Fuzzy logic presents robust and flexible inference methods in problems subject to imprecision and uncertainty, and is very well suited to SHM because it gives linguistic outputs which can be used to guide prognostic action. The hybridization of the intelligence algorithm and fuzzy logic gives an advanced soft computing method called the intelligence algorithm and fuzzy logic. In this study, these intelligence algorithms were used to evolve a fuzzy system by tuning fuzzy membership functions and by learning fuzzy rules. In this thesis by demonstrating the use of the intelligence algorithm and fuzzy logic as a series of progressively complicated structures, a new and powerful approach is expressed for using in the SHM problems

شاکری زاد ابیانه، سعید

مجتهدی، علیرضا، استاد راهنما

احمدی، حمید، استاد مشاور

Public note

سیاه و سفید

نمایه‌سازی قبلی