Malzemelerin hasarsız tesrtinde titreşim sinyallerinin yapay sinir ağları ile incelenmesi

Abstract

Özet Beton bloklardaki hasarların hasarsız testi, bir paket programı yardımıyla elde edilen simülasyon sinyaller üzerinde yapay sinir ağları kullanılarak incelenmiştir. Bir sonlu elemanlar programı hasar içeren beton bloklarda darbe titreşim sinyalleri elde etmek için kullanılmıştır. Test edilen malzemedeki yapay hasarın farklı yerlerde ve büyüklüklerde olması durumları irdelenmiştir. Darbe noktası direngenlikleri, darbe vurulan noktaya uygulanan statik kuvvetin statik yer değiştirme sonuçlarına bölünmesiyle bulunmuştur. Darbe noktasının direngenlikleri azaldıkça uygulanan dinamik vuruş kuvvetinin yüksek frekanslı bileşenlerinin azaldığını gösteren bir model kullanılmıştır. Bu modelle j hesaplanan darbe kuvvetinin zaman bağımlılığı sonlu elemanlar programına girdi olarak i kullanılmış ve dinleme noktasındaki ivme zaman bilgileri programdan çıktı olarak kullanılmıştır. Elde edilen sinyaller yapay gürültüler eklendikten sonra `backpropagation` algoritmasına dayalı bir yapay sinir ağı ile incelenmiştir. Ağ, giriş, gizli va çıkış katmanlarından oluşmaktadır. İki çeşit çıkış katmanı tasarlanmıştır. Birincisinde iki düğüm tasarlanmış ve ağ hasarın varlığını tanımlayacak şekilde eğitilmiştir. İkincisinde çıkış katmanı 0 ve 1 arasında bir değer alabilen bir düğümden oluşmaktadır. Ağ çıkış katmanının değerin hasarın yerini verecek şekilde eğitilmiştir. Titreşim sinyalleri bu iki ağ ile incelenmiştir. Ağın hasarı doğru tesbit etme yüzdeleri ve standart sapmaları hesaplanmıştır.

VI Abstract Nondestructive testing of voids in concrete structures is analysed with simulated signals obtained by a finite element program using neural networks. A finite element program is used to generate impact-echo signals in concrete blocks with voids. Different locations and sizes of artificial voids on the tested material are considered. Impact point stiffnesses are found by dividing the static force applied to impact point to the resultant static displacement. A model showing that high frequency components of the dynamic impact force decrease with the decreasing impact point stiffness is used. The time dependence of the impact force calculated by the model is used as the input to the finite element program, and the acceleration-time histories at the receiving point are calculated as the output signals. After adding artificial noise signals, the output signals (impact-echo signals) are processed by using a neural network based on the backpropagation algorithm. The network consists of input, hidden, and output layers. Two types of output layers are designed. The first one has two nodes, and the nodes are trained to determine the existence of voids. The second type of output layer has one node getting the value between 0 to 1. The network is trained so that the value of the output layer node gives the location of the void. The impact-echo signals are processed with the two types of neural networks. The percentage and standard deviation for correct detecting voids by the networks are found.