پایش سلامت سازه؛ بررسی دائمی وضعیت ساختمان‌ها Structural Health Monitoring

پایش سلامت سازه (Structural Health Monitoring یا به اختصار SHM) به عنوان یک فناوری پیشرفته، امکان نظارت مستمر بر وضعیت فیزیکی و عملکردی ساختمان‌ها، پل‌ها، برج‌ها و سایر سازه‌های مهندسی را فراهم می‌آورد. این رویکرد با ترکیب حسگرهای هوشمند، روش‌های پردازش سیگنال پیشرفته و الگوریتم‌های هوش مصنوعی، توانسته است به یک ابزار اساسی برای پیش‌بینی خرابی‌های احتمالی، بهبود ایمنی عمومی و بهینه‌سازی هزینه‌های نگهداری تبدیل شود.

تعریف و اصول پایه‌ای پایش سلامت سازه

در اصل، SHM به مجموعه‌ای از فرایندها گفته می‌شود که با جمع‌آوری داده‌های زمان واقعی از سازه، تغییرات دینامیکی و استاتیکی آن را شناسایی و تجزیه و تحلیل می‌کند. این داده‌ها می‌توانند شامل ارتعاشات، تغییرات دما، فشار، جابجایی و سایر پارامترهای فیزیکی باشند. هدف اصلی این فناوری، تشخیص زودرس آسیب‌های میکروسکوپی (مانند ترک‌های ریز یا تغییرات در خواص مواد) پیش از آن است که به خطرات جدی منجر شوند.

اجزای کلیدی یک سیستم SHM

• حسگرها (Sensors): انواع مختلفی از حسگرها شامل حسگرهای ارتعاشی، فشار، کروماتیک، نوری و حتی حسگرهای بیومکانیکی برای اندازه‌گیری پارامترهای مختلف به کار می‌روند.
• واحدهای جمع‌آوری داده (Data Acquisition Units): این واحدها داده‌های حسگرها را با نرخ نمونه‌برداری مناسب ثبت کرده و برای پردازش اولیه آماده می‌سازند.
• سیستم‌های ارتباطی (Communication Systems): برای انتقال داده‌ها به مرکز پردازش یا سرورهای ابری، از فناوری‌های بی‌سیم (Wi‑Fi، LoRa، 5G) یا کابل‌دار استفاده می‌شود.
• پلتفرم‌های پردازش و تحلیل (Processing Platforms): الگوریتم‌های پردازش سیگنال، یادگیری ماشین و روش‌های تحلیل مودال برای استخراج ویژگی‌های مهم از داده‌ها به کار می‌روند.
• واحد تصمیم‌گیری (Decision-Making Unit): بر پایه نتایج تحلیل، هشدارهای اضطراری، گزارشات دوره‌ای یا برنامه‌های تعمیر و نگهداری تولید می‌شود.

انواع حسگرهای مورد استفاده در SHM

حسگرهای مختلف بسته به نوع سازه و پارامترهای مورد نظارت انتخاب می‌شوند. در ادامه به مهم‌ترین انواع حسگرها پرداخته می‌شود:

حسگرهای ارتعاشی (Accelerometers)

این حسگرها حرکت ارتعاشی سازه را در سه محور ثبت می‌کنند و برای شناسایی تغییرات دینامیکی، مانند تغییرات مودهای طبیعی، بسیار مؤثرند. داده‌های ارتعاشی می‌توانند نشانگر کاهش سختی یا افزایش دمپینگ باشند که معمولاً ناشی از ترک‌های جدید یا فرسایش مواد می‌باشند.

حسگرهای کشش و فشار (Strain Gauges)

با اندازه‌گیری تغییرات طولی یا کرنش در سطوح مختلف سازه، این حسگرها امکان تشخیص تغییرات استرس داخلی را فراهم می‌سازند. ترکیب داده‌های کشش با داده‌های ارتعاشی می‌تواند تصویر جامع‌تری از وضعیت سازه ارائه دهد.

حسگرهای نوری (Fiber Optic Sensors)

حسگرهای نوری به دلیل حساسیت بالا، وزن کم و ایمنی در برابر تداخل الکترومغناطیسی، برای نظارت بر سازه‌های بزرگ و حساس مانند پل‌های معلق یا برج‌های بلند بسیار مناسب‌اند. این حسگرها می‌توانند به‌صورت توزیع‌شده در طول طول سازه نصب شوند.

فرآیندهای پردازش داده و تحلیل هوشمند

پس از جمع‌آوری داده‌ها، مرحله مهم پردازش و استخراج ویژگی‌ها آغاز می‌شود. در این بخش، دو رویکرد اصلی به‌کار می‌رود:

• تحلیل مودال (Modal Analysis): با استفاده از تکنیک‌های FFT و روش‌های تخمین مودال، تغییرات فرکانس طبیعی و شکل مودهای ارتعاشی شناسایی می‌شوند. این تغییرات می‌توانند نشانه‌ای از آسیب‌های ساختاری باشند.
• یادگیری ماشین (Machine Learning): الگوریتم‌های نظارتی و بدون نظارت، از جمله شبکه‌های عصبی، درخت‌های تصمیم‌گیری و روش‌های خوشه‌بندی، برای تشخیص الگوهای غیرمعمول و پیش‌بینی زمان باقی‌مانده تا خرابی (Remaining Useful Life) به کار می‌روند.

همچنین، استفاده از روش‌های ترکیبی مانند فیلتر کالمن برای ادغام داده‌های چند حسگر، دقت پیش‌بینی را به‌طور قابل توجهی افزایش می‌دهد.

کاربردهای عملی پایش سلامت سازه

پایش سلامت سازه در پروژه‌های مختلف به‌صورت موفقیت‌آمیز به‌کار گرفته شده است. برخی از برجسته‌ترین نمونه‌ها عبارتند از:

• نظارت بر پل‌های تاریخی در شهرهای تاریخی ایران، که با استفاده از حسگرهای نوری، تغییرات کوچک در کرنش‌های پل شناسایی شده و اقدامات پیشگیرانه انجام گرفته است.
• پایش مداوم برج‌های مسکونی در شهرهای بزرگ، که با ترکیب داده‌های ارتعاشی و فشار، توانسته‌اند خطرات ناشی از زلزله را پیش‌بینی و به‌موقع هشدار دهند.
• استفاده در صنایع نفت و گاز برای نظارت بر سازه‌های زیرزمینی و خطوط لوله، که با تشخیص ریزترک‌های اولیه، از حوادث جانی بزرگ جلوگیری شده است.

چالش‌ها و مسیرهای بهبود

اگرچه SHM به‌عنوان یک فناوری قدرتمند شناخته می‌شود، اما چالش‌های متعددی نیز دارد:

• هزینه نصب و نگهداری حسگرها: به‌ویژه در سازه‌های بزرگ که نیاز به تعداد حسگرهای زیاد دارند، هزینه‌ها می‌توانند مانع پذیرش گسترده شوند.
• مشکلات ارتباطی در محیط‌های سخت: تداخل الکترومغناطیسی، شرایط آب و هوایی نامساعد و دسترسی محدود به برخی مناطق می‌توانند انتقال داده‌ها را مختل کنند.
• دقت الگوریتم‌های تحلیل: برای جلوگیری از اخطارهای کاذب یا عدم شناسایی دقیق آسیب‌ها، نیاز به بهبود مستمر مدل‌های یادگیری ماشین و به‌روزرسانی داده‌های آموزشی وجود دارد.

پیشنهادات برای رفع این چالش‌ها شامل استفاده از حسگرهای کم‌هزینه با عمر مفید طولانی، به‌کارگیری شبکه‌های ارتباطی تک‌پوشه (mesh) برای افزایش پوشش سیگنال، و توسعه چارچوب‌های استاندارد باز برای تبادل داده‌ها می‌باشد.

آینده SHM در مهندسی سازه

با پیشرفت‌های اخیر در حوزه اینترنت اشیا (IoT) و پردازش لبه (Edge Computing)، انتظار می‌رود که سیستم‌های SHM به‌صورت خودکارتر، مقیاس‌پذیرتر و با هزینه کمتر عمل کنند. ترکیب داده‌های حسگرهای فیزیکی با داده‌های ماهواره‌ای و هوش مصنوعی می‌تواند امکان پیش‌بینی پیشرفته‌تری را فراهم سازد؛ به‌طوری که نه تنها خرابی‌ها شناسایی می‌شوند، بلکه اقدامات اصلاحی به‌صورت زمان‌بندی‌شده و بهینه اجرا می‌شوند.

علاوه بر این، توسعه استانداردهای ملی و بین‌المللی برای پیاده‌سازی SHM در پروژه‌های عمرانی می‌تواند زمینه‌ساز پذیرش گسترده‌تر این فناوری در کشور باشد. مشارکت دانشگاه‌ها، شرکت‌های خصوصی و نهادهای دولتی در تحقیق و توسعه، گام مهمی در ارتقای ایمنی عمومی و بهبود بهره‌وری اقتصادی خواهد بود.

نتیجه‌گیری

پایش سلامت سازه نه تنها به‌عنوان یک ابزار پیشگیرانه برای حفظ ایمنی عمومی، بلکه به‌عنوان یک سرمایه‌گذاری هوشمند در طول عمر سازه‌ها محسوب می‌شود. با ترکیب حسگرهای پیشرفته، الگوریتم‌های تحلیل هوشمند و زیرساخت‌های ارتباطی مدرن، می‌توان به‌صورت مستمر و دقیق وضعیت سازه‌ها را ارزیابی کرد. سرمایه‌گذاری در این فناوری، به‌ویژه در مناطقی که خطرات زلزله‌ای و فرسایش ساختاری بالا است، می‌تواند هزینه‌های تعمیرات اضطراری را به‌طرز چشمگیری کاهش داده و امنیت جامعه را تضمین نماید.