В статье "Основанный на графиках метод количественной оценки структуры трещин на железобетонных стенках при сдвиге", которая недавно была опубликована в журнале Автоматизированное гражданское строительство и проектирование инфраструктуры, исследователи во главе с Арвином Эбрахимханлоу, доктором философии, доцентом инженерного колледжа Дрекселя, и Педрамом Базрафшаном, докторантом колледжа, представляют процесс, который мог бы помочь стране лучше понять, сколько из сотен тысяч стареющих мостов, дамб, дорог и зданий нуждаются в срочном ремонте. нуждается в ремонте.

"Без автономного и объективного процесса оценки ущерба многим железобетонным конструкциям, составляющим нашу застроенную среду, эти трагические структурные сбои, несомненно, продолжатся", - сказал Эбрахимханлу. "Наши стареющие инфраструктуры используются сверх проектного срока службы, и поскольку ручные проверки отнимают много времени и субъективны, признаки повреждения конструкции могут быть пропущены или недооценены".

Текущий процесс осмотра бетонной конструкции, такой как мост или площадка для парковки, предполагает, что инспектор визуально осматривает ее на наличие трещин, сколов или проникновения воды, проводит измерения трещин и отмечает, изменились ли они за время между осмотрами, которое может составлять годы. Если присутствует достаточное количество из этих условий и, по-видимому, они находятся в запущенном состоянии - в соответствии с набором рекомендаций по индексу ущерба, - то сооружение может быть оценено как "небезопасное".

В дополнение к времени, которое требуется для прохождения этого процесса при каждой проверке, широко распространено опасение, что этот процесс оставляет слишком много места для субъективизма, который может исказить окончательную оценку.

"Одна и та же трещина в железобетонной конструкции может казаться угрожающей или обыденной - в зависимости от того, кто на нее смотрит", - сказал Базрафшан. "Трещина может быть безобидной частью процесса оседания здания или явным признаком структурного повреждения; к сожалению, нет единого мнения о том, когда именно происходит переход от первого ко второму".

Первым шагом для группы Базрафшана и Эбрахимханлоу было устранить эту неопределенность, создав метод точной количественной оценки степени растрескивания. Для этого они применили математический метод, называемый теорией графов, который используется для измерения и изучения сетей - в последнее время социальных сетей - путем точного определения их графических характеристик, таких как среднее количество пересечений трещин.

Эбрахимханлу изначально разработал процесс использования графических элементов для создания своего рода "отпечатков пальцев" для каждого набора трещин в железобетонной конструкции и - путем сравнения отпечатков недавно проверенных конструкций с отпечатками конструкций с известными показателями безопасности - быстрой и точной оценки ущерба.

"Создание математического представления паттернов растрескивания - это новая идея и ключевой вклад нашей недавней статьи", - сказал Эбрахимханлоу. "Мы считаем, что это очень эффективный способ количественной оценки изменений в характере растрескивания, который позволяет нам связать внешний вид трещины с уровнем повреждения конструкции способом, поддающимся количественной оценке и который может последовательно повторяться независимо от того, кто проводит проверку".

Команда использовала алгоритмы отслеживания пикселей искусственного интеллекта для преобразования изображений трещин в соответствующее им математическое представление: график.

"Процессы преобразования трещины в график и выделения признаков занимают всего около минуты на изображение, что является значительным улучшением по сравнению с процессом проверки, который может занять часы или дни для проведения всех необходимых измерений", - сказал Базрафшан. "Это также многообещающая разработка с точки зрения возможности автоматизации всего процесса анализа в будущем".

Чтобы разработать структуру признаков для сравнения, они попросили программу машинного обучения извлечь графические признаки из набора изображений железобетонных стеновых конструкций с различным отношением высоты к длине, которые были созданы для тестирования различных поведений стен, которые могут возникнуть при землетрясении.

Сосредоточив особое внимание на группе изображений, на которых были обнаружены умеренные трещины - такие, которые показывают, что безопасность конструкции находится под вопросом, - команда обучила второй алгоритм соотносить извлеченные графические объекты с осязаемой шкалой, показывающей величину ущерба, нанесенного конструкции. Например, чем больше трещин пересекается друг с другом, что соответствует более высокой "средней степени" их графической характеристики, тем серьезнее повреждение конструкции.

Программа присвоила взвешенное значение каждому из этих признаков в зависимости от того, насколько тесно они коррелируют с механическими показателями повреждения, чтобы получить количественный профиль, по которому алгоритм мог бы измерять новые образцы, чтобы определить степень их структурного повреждения.

Чтобы протестировать алгоритм оценки, команда использовала изображения трех крупномасштабных стен, которые были механически протестированы в лаборатории Университета в Буффало, чтобы определить их состояние. Команда использовала изображения одной стороны каждой стены в качестве обучающего набора, а затем протестировала модель с изображениями противоположной стороны, чтобы проверить ее способность предсказывать уровень повреждения каждого образца.

В каждом случае программа искусственного интеллекта смогла правильно оценить ущерб с точностью более 90%, что указывает на то, что программа будет высокоэффективным средством быстрой оценки ущерба.

"Это только первый шаг в создании очень мощного инструмента оценки, который использует объемы исследований и человеческих знаний для более быстрой и точной оценки сооружений в искусственной среде", - сказал Эбрахимханлу. "Наведение порядка в кажущемся хаотичным наборе признаков - это суть научного открытия. Мы считаем, что это нововведение может во многом способствовать выявлению проблем до того, как они возникнут, и повышению безопасности нашей инфраструктуры".

Группа планирует продолжить свою работу путем обучения и тестирования программы на более крупных и разнообразных наборах данных, включая структуры других типов. И они также работают над автоматизацией этого процесса, чтобы его можно было интегрировать в системы мониторинга конструкций, а также в процесс сбора фотографий и видеозаписей поврежденных конструкций после землетрясений и других стихийных бедствий.