Çalışmada geliştirilen ve “GIFT” adı verilen yöntem, açıklanabilir yapay zekâ prensiplerini doğrudan veri işleme aşamasına taşıyarak arka plan gürültülerini filtreledi ve hasara duyarlı gizli dinamik değişimleri görünür hale getirdi.
Araştırmada; uluslararası alanda kabul gören dört katlı çelik çerçeve bina modeli ve İsviçre’deki Z24 Köprüsü’ne ait gerçek titreşim veri setleri kullanıldı. Yapısal titreşim sinyalleri zaman-frekans görüntülerine dönüştürüldükten sonra, yapay zekâ ağının odaklandığı hassas bölgeler girdi düzeyinde bir dikkat mekanizması olarak uyarlandı. Farklı derin öğrenme mimarileri üzerinde test edilen yöntem, çevresel faktörlerden ve trafik gürültüsünden kaynaklanan yanıltıcı verileri başarıyla bastırdı.
Elde edilen sonuçlar, geliştirilen yöntemin bina veri setindeki hasar teşhis doğruluğunu yüzde 87,59’dan yüzde 98,33’e, çevresel gürültünün yoğun olduğu köprü veri setinde ise yüzde 76,03’ten yüzde 95,61’e yükselttiğini gösterdi. Cıvata gevşemesi ve ayak oturması gibi tespiti son derece güç olan mikro hasar senaryolarında da yüksek performans sergileyen ve gerçek zamanlı çalışabilen bu model; akıllı yapı sağlığı izleme sistemlerinin güvenilirliğini artırarak olası yapısal felaketlerin ve yüksek bakım maliyetlerinin önüne geçilmesine önemli bir bilimsel katkı sağlıyor.
Yorumlar
Yorum Yap