Afyon Kocatepe Üniversitesi (AKÜ) bünyesinde yer alan akademisyenlerin de katkı sunduğu bilimsel çalışma, mühendislik yapılarının güvenliğinin izlenmesine yönelik yeni bir yaklaşım ortaya koydu. Geliştirilen sistem, yapıların titreşim hareketlerini analiz ederek gözle tespit edilmesi güç olan hasar belirtilerini ortaya çıkarabiliyor. Özellikle çevresel koşulların ve dış etkenlerin oluşturduğu veri kirliliğini azaltmaya odaklanan yöntem, yapısal güvenliğin değerlendirilmesinde yapay zeka teknolojilerinden yararlanıyor.
GIFT YÖNTEMİ GÜRÜLTÜLÜ VERİLERİ FİLTRELİYOR
Araştırmacılar tarafından geliştirilen ve “GIFT” olarak adlandırılan yöntem, açıklanabilir yapay zeka prensiplerini doğrudan veri işleme sürecine entegre ediyor. Bu sayede yapıların titreşim kayıtlarında bulunan arka plan gürültüleri filtrelenirken hasarla ilişkili dinamik değişimler daha belirgin hale getiriliyor. Farklı derin öğrenme mimarileri üzerinde test edilen sistemin, çevresel faktörler ve trafik hareketlerinden kaynaklanan yanıltıcı verileri başarıyla bastırdığı belirlendi.
İKİ FARKLI YAPI MODELİ ÜZERİNDE TEST EDİLDİ
Yöntemin performansı, uluslararası alanda kabul gören dört katlı çelik çerçeve bina modeli ile İsviçre’de bulunan Z24 Köprüsü’ne ait gerçek titreşim verileri kullanılarak değerlendirildi. Çalışma kapsamında yapısal titreşim sinyalleri zaman-frekans görüntülerine dönüştürüldü. Ardından yapay zeka ağının odaklandığı hassas bölgeler, girdi düzeyinde bir dikkat mekanizması olarak sisteme uyarlandı.
HASAR TESPİT DOĞRULUĞU YÜZDE 98,33’E ULAŞTI
Araştırma sonuçlarına göre GIFT yöntemi, bina veri setinde hasar teşhis doğruluğunu yüzde 87,59’dan yüzde 98,33’e yükseltti. Çevresel gürültünün daha yoğun olduğu köprü veri setinde ise doğruluk oranı yüzde 76,03’ten yüzde 95,61’e çıktı. Böylece sistemin, farklı yapı türlerinde ve zorlu veri koşullarında yüksek doğrulukla sonuç üretebildiği ortaya konuldu.
MİKRO HASARLARIN BELİRLENMESİNDE DE ETKİLİ
Geliştirilen model, cıvata gevşemesi ve ayak oturması gibi tespiti güç olan mikro hasar senaryolarında da yüksek performans gösterdi. Gerçek zamanlı çalışabilme özelliğine sahip yöntemin, akıllı yapı sağlığı izleme sistemlerinin güvenilirliğini artırması hedefleniyor. Çalışmanın, olası yapısal felaketlerin önlenmesine ve yüksek bakım maliyetlerinin azaltılmasına yönelik mühendislik uygulamalarına bilimsel katkı sunması bekleniyor.
