Μοντέλα μηχανικής μάθησης για παρακολούθηση της δομικής ακεραιότητας λεπτότοιχων πλακών χρησιμοποιώντας δεδομένα κυματικής διάδοσης
Μοντέλα μηχανικής μάθησης για παρακολούθηση της δομικής ακεραιότητας λεπτότοιχων πλακών χρησιμοποιώντας δεδομένα κυματικής διάδοσης
| datacite.contributor.Supervisor | Νικολετσέας, Σωτήριος | |
| dc.contributor.author | Φραγκάκη, Καλλιόπη | |
| dc.contributor.other | Fragkaki, Kalliopi | |
| dc.date.accessioned | 2023-06-19T05:40:38Z | |
| dc.date.available | 2023-06-19T05:40:38Z | |
| dc.date.issued | 2023-06-12 | |
| dc.degree | masterThesis | |
| dc.description.abstract | Η παρακολούθηση της δομικής ακεραιότητας των κατασκευών (Structural Health Monitoring) αποτελεί μια ευρέως χρησιμοποιούμενη μέθοδο προσδιορισμού της ακεραιότητας μιας οποιασδήποτε κατασκευής με σκοπό την βελτιστοποίηση της λειτουργίας της. Η παρακολούθηση της κατασκευής είναι εφικτή μέσω της συλλογής δεδομένων από αισθητήρες που έχουν τοποθετηθεί στρατηγικά κατά μήκος της. Στην συνέχεια απαιτείται η κατάλληλη επεξεργασία αυτών των δεδομένων για την εξαγωγή συμπερασμάτων για την κατάσταση της κατασκευής έχοντας πολλές φορές σαν σημείο αναφοράς την υγιή κατάσταση αυτής πριν τεθεί σε λειτουργία. Οι εφαρμογές είναι πολυπληθείς ενώ η μέθοδος έχει αποκτήσει ταχύτατη δημοφιλία με την πάροδο των τελευταίων χρόνων στους επιστημονικούς κύκλους. Οι μέθοδοι εξαγωγής των απαραίτητων δεδομένων που θα κρίνουν την δομική κατάσταση της κατασκεύης ποκίλλουν όπως και οι μέθοδοι επεξεργασίας των δεδομένων αυτών. Σκοπός της παρούσας διπλωματικής εργασίας είναι η αξιοποίηση της τεχνικής καθοδηγούμενων κυμάτων (guided waves) χρησιμοποιώντας πιεζοηλεκτρικούς αισθητήρες σε μία πλάκα που λειτουργεί ως αντικείμενο έρευνας για τον προσδιορισμό οπών που έχουν δημιουργηθεί επί της πλάκας αυτής. Πιο συγκεκριμένα, οι πιεζοηλεκτρικοί αισθητήρες λειτουργούν εναλλάξ ως συσκευές μετάδοσης των κυμάτων αλλά και αποδέκτες των διαδιδόμενων κυμάτων ενώ οι οπές που δημιουργούνται μεταβάλλονται ως προς την διάμετρο και την θέση τους στην πλάκα προς εξέταση. Το πρόβλημα αυτό μπορεί συνοπτικά να παρουσιαστεί σαν ένα πρόβλημα προσδιορισμού βλάβης ή damage detection όπως συναντάται συχνά στην βιβλιογραφία. Η επίλυση ενός τέτοιου προβλήματος μπορεί να γίνει είτε αξιοποιώντας τους φυσικούς νόμους που διέπουν την δομική συμπεριφορά της κατασκευής (physics-based) είτε χρησιμοποιώντας μοναδικό γνώμονα τα δεδομένα (data-driven). Στην παρούσα διπλωματική εργασία γίνεται μια προσέγγιση με βάση τα δεδομενα χρησιμοποιώντας μεθόδους μηχανικής μάθησης. | |
| dc.description.translatedabstract | Structural Health Monitoring is a widely used method of determining the integrity of any structure in order to optimize its operation. Monitoring of the structure is possible through the collection of data from sensors that are strategically placed along the structure. Subsequently, the appropriate processing of these data is required to draw conclusions about the state of the structure, often having as a reference point its healthy state before it is put into operation. The applications are numerous, while the method has gained rapid popularity over the last few years in scientific circles. The methods of extracting the necessary data that will determine the structural condition of the building are as diverse as the methods of processing this data. The purpose of this master thesis is to exploit the technique of guided waves using piezoelectric sensors on a thin plate that acts as an object of research, in order to determine the defects that have been created on the plate. More specifically, the piezoelectric sensors alternately act as wave transmitters and receivers of the propagating waves while the voids created vary in diameter and position onto the plate to be examined. This problem can be briefly presented as a damage detection problem as it is often found in the literature. Solving such a problem can be done either by exploiting the physical laws that govern the behavior of the structure (physics-based) or by using the data alone (data-driven). In this thesis, a data-driven approach is selected using machine learning methods. | |
| dc.identifier.uri | https://hdl.handle.net/10889/25094 | |
| dc.language.iso | el | |
| dc.rights | Attribution-NonCommercial-ShareAlike 3.0 United States | * |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-sa/3.0/us/ | * |
| dc.subject | Μηχανική μάθηση | |
| dc.subject | Παρακολούθηση δομικής ακεραιότητας | |
| dc.subject | Ανίχνευση βλάβης | |
| dc.subject | Κατευθυνόμενα κύματα | |
| dc.subject.alternative | Machine learning | |
| dc.subject.alternative | Structural health monitoring | |
| dc.subject.alternative | Damage detection | |
| dc.subject.alternative | Guided waves | |
| dc.title | Μοντέλα μηχανικής μάθησης για παρακολούθηση της δομικής ακεραιότητας λεπτότοιχων πλακών χρησιμοποιώντας δεδομένα κυματικής διάδοσης | |
| dc.title.alternative | Machine learning models for structural health monitoring of thin plates using wave propagation data |