Ανάπτυξη μεθοδολογιών για τον έλεγχο της δομικής ακεραιότητας κατασκευών με την τεχνολογία επίγειου συστήματος radar μικροκυματικής συμβολομετρίας

Πηνιώτης, Γεώργιος; Piniotis, Georgios

dc.contributor.author	Πηνιώτης, Γεώργιος
dc.contributor.author	Piniotis, Georgios	en
dc.date.accessioned	2023-02-15T10:06:48Z
dc.date.available	2023-02-15T10:06:48Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/57141
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.24839
dc.rights	Default License
dc.subject	Εεπίγειο radar συμβολομετρίας	el
dc.subject	Μετρήσεις ταλάντωσης	el
dc.subject	Ανίχνευση δομικών βλαβών	el
dc.subject	Γέφυρα Bailey	el
dc.subject	Βαθιά νευρωνικά δίκτυα	el
dc.subject	GBRI-RAR	en
dc.subject	Vibration measurements	en
dc.subject	Structural Health Monitoring	en
dc.subject	Bailey bridge	en
dc.subject	Deep Neural Networks	en
dc.title	Ανάπτυξη μεθοδολογιών για τον έλεγχο της δομικής ακεραιότητας κατασκευών με την τεχνολογία επίγειου συστήματος radar μικροκυματικής συμβολομετρίας	el
heal.type	doctoralThesis
heal.classification	Γεωδαισία	el
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2022-12-07
heal.abstract	Η παρούσα διδακτορική διατριβή πραγματεύεται το πρόβλημα παρακολούθησης της δυναμικής συμπεριφοράς τεχνικών έργων και αξιολόγησης της δομικής τους ακεραιότητας μέσω της ανάπτυξης ολοκληρωμένης μεθοδολογίας για την αξιοποίηση παρατηρήσεων συστήματος επίγειου radar συμβολομετρίας πραγματικού ανοίγματος (Ground Based Radar Interferometer-Real Aperture Radar, GBRI-RAR). Tο πρώτο σκέλος της διατριβής αφορά στην ανάπτυξη και εφαρμογή μεθοδολογίας για την διερεύνηση της ποιότητας (ακρίβεια, αξιοπιστία) και των δυνατοτήτων μετρήσεων δυναμικών μετατοπίσεων συστήματος GBRI-RAR (IBIS-S, IDS®) σε εργαστηριακές συνθήκες. Η πειραματική διαδικασία περιλαμβάνει την κατασκευή διάταξης συστήματος αισθητήρων και λογισμικού για την παραγωγή, μέτρηση, επεξεργασία και ανάλυση ταλαντώσεων γνωστών χαρακτηριστικών (πλάτος και συχνότητα) που απαντώνται στην πλειονότητα των τεχνικών έργων μεγάλης κλίμακας έναντι περιβαλλοντικών και λειτουργικών φορτίσεων. Η δημιουργία ταλαντώσεων στηρίζεται στην παραμετροποίηση φορητής σεισμικής τράπεζας, ενώ ως μέσο διακρίβωσης του συστήματος GBRI-RAR χρησιμοποιείται σύστημα Laser Tracker. Η έρευνα καταδεικνύει υπερυψηλή ακρίβεια (επαναληψιμότητα) και αξιοπιστία (ορθότητα) του συστήματος GBRI-RAR που αγγίζει τιμές ±0.01 mm και ±0.1 mm, ή καλύτερες, αντίστοιχα. Ανάλυση στο πεδίο των συχνοτήτων αποδεικνύει την εξαιρετική απόδοση (καλύτερη των 0.01 Hz) της τεχνολογίας στον προσδιορισμό συχνοτήτων ταλάντωσης έως 20 Hz. Το δεύτερο σκέλος της διατριβής αφορά στην ανάπτυξη και αξιολόγηση μεθοδολογίας για την ανίχνευση δομικών βλαβών σε κατασκευές, με χρήση δεδομένων συστήματος GBRI-RAR, με τεχνικές αναγνώρισης προτύπων. Για τις ανάγκες της διατριβής μελετήθηκε και κατασκευάστηκε, βάσει της αρχής ομοιότητας, εργαστηριακό φυσικό ομοίωμα χαλύβδινης γέφυρας τύπου Bailey μήκους 50 ποδών (διαστάσεων 6.12 m x 1.82 m, κλίμακα 1:2.5), με δυνατότητα επιβολής τεχνητών δομικών βλαβών, μέσω αφαίρεσης επιλεγμένων δομικών στελεχών της (αντηρίδες και αντιανέμια). Η διέγερση (σήμα «λευκού θορύβου») του φυσικού ομοιώματος γέφυρας με ρεαλιστικό τρόπο επιτυγχάνεται μέσω συσκευής παραγωγής ταλαντώσεων, επιβαίνουσας σε ειδικά κατασκευασμένο ηλεκτροκίνητο όχημα, το οποίο τοποθετείται σε διαφορετικές θέσεις του καταστρώματος του ομοιώματος γέφυρας. Τα σενάρια παρακολούθησης αφορούν στη μέτρηση της δυναμικής απόκρισης (ταλαντώσεις) της γέφυρας με σύστημα GBRI-RAR, αφενός, σε «υγιή» δομική κατάσταση, και αφετέρου σε κατάσταση επιβαλλόμενης δομικής βλάβης. Οι μετρήσεις ταλαντώσεων μετασχηματίζονται σε εικόνες με χρήση του Συνεχούς Μετασχηματισμού Κυματιδίων (Continuous Wavelet Transform), οι οποίες αποτελούν τα δεδομένα εισόδου σε Συνελικτικά Νευρωνικά Δίκτυα βαθιάς μάθησης, βραβευμένων αρχιτεκτονικών (GoogleNet, ResNet-18 και ResNet-50). Τα ως άνω βαθιά Νευρωνικά Δίκτυα παραμετροποιούνται, βάσει της τεχνικής Μεταφοράς Μάθησης και εκπαιδεύονται μέσω επιβλεπόμενης μάθησης με χρήση μεγάλου όγκου δεδομένων. Η προτεινόμενη μεθοδολογία αναγνώρισης προτύπων αξιολογείται, βάσει ευρέως χρησιμοποιούμενων δεικτών απόδοσης, επιτυγχάνοντας υψηλές (> 90%) τιμές ορθότητας στην ανίχνευση και ταξινόμηση του τύπου δομικής βλάβης στο ομοίωμα γέφυρας, για όλα τα χρησιμοποιηθέντα Νευρωνικά Δίκτυα βαθιάς μάθησης. Επιπρόσθετα, όλοι οι δείκτες απόδοσης κρίνονται εξαιρετικά υψηλοί, γεγονός που καταδεικνύει την αποτελεσματικότητα και τις δυνατότητες πρακτικής εφαρμογής της προτεινόμενης μεθοδολογίας.	el
heal.advisorName	Γκίκας, Βασίλειος	el
heal.committeeMemberName	Γκίκας, Βασίλειος	el
heal.committeeMemberName	Μπαλοδήμος, Διονύσιος-Δημήτριος	el
heal.committeeMemberName	Τσακίρη, Μαρία	el
heal.committeeMemberName	Σαπουντζάκης, Ευάγγελος	el
heal.committeeMemberName	Γαντές, Χαράλαμπος	el
heal.committeeMemberName	Τοκμακίδης, Κωνσταντίνος	el
heal.committeeMemberName	Δουλάμης, Αναστάσιος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Αγρονόμων και Τοπογράφων Μηχανικών. Τομέας Τοπογραφίας. Εργαστήριο Ανώτερης Γεωδαισίας	el
heal.academicPublisherID	ntua
heal.numberOfPages	164 σ.	el
heal.fullTextAvailability	false