تعیین هوشمند محل و مقدار ضعف بتن با استفاده از تداخل سنجی امواج کودا
پذیرفته شده برای پوستر
کد مقاله : 1900-NIGS
نویسندگان
1دانشیار/دانشگاه زنجان
2استاد گروه مهندسی مخزن و فیزیک سنگ دانشگاه علوم کاربردی بوخوم، آلمان
چکیده
بتنها و به طور کلی مواد زمینشناسی در طی زمان دچار ضعفهایی مانند نفوذ آب یا افزایش ریزترکها میشوند. روشهای معمول جهت ارزیابی این ضعفها عبارتند از تداخلسنجی چند ایستگاهه امواج کودا و تست سرعت پالس التراسونیک. هدف از این مطالعه، ارزیابی روشهای یادگیری ماشین در استفاده از تداخلسنجی امواج کودا فقط با یک گیرنده (تک ایستگاهه) است. از این رو، یک مدل عددی از یک ستون بتنی به ارتفاع 2 متر با زمینه ناهمگنی از ریزترکهایی با چگالی ترک 1/0 در نظر گرفته شد. ضعف بتن با اعمال کاهش مشخصی از سرعت زمینه در محل مشخصی از ستون بتنی انجام پذیرفت. نتایج این مطالعه نشان میدهد که چنانچه پایش پیوستهای از ستون بتنی با امواج کودا وجود داشته باشد، روشهای یادگیری ماشین قادرند با دقتی بیش از 99% و 95% محل ضعف و مقدار ضعف بتن را پیشبینی نمایند.
کلیدواژه ها
Title
Intelligent prediction of location and amount of concrete weakness using Coda wave interferometry
Authors
Sadegh Karimpouli, Erik Saenger
Abstract
During aging, concretes and in overall geomaterials are weaken because of, for example, water penetration or increase of microcracks. Conventional methods to evaluate such weaknesses are coda wave interferometry with pairs of stations and ultrasonic pulse velocity test. This study aims to evaluate feasibility of machine learning methods for using single station coda wave interferometry. To this end, a numerical model of a 2 m concrete beam with highly scattering medium was considered with crack density of 0.1. To induce weakness a reduction in velocity was considered in a randomly determined depth of the concrete beam. Results show that if a continues monitoring is available, machine learning methods could predict the location and the amount of the weakness with an accuracy more than 99 and 95%.
Keywords
Coda waves, concrete, machine learning, ultrasonic pulse velocity test