Afyon Kocatepe Üniversitesinden Dr. Öğr. Üyesi Murat Hiçyılmaz tarafından geliştirilen yapay zeka modeli, deprem, rüzgar yükü, korozyon ve aşırı kullanım gibi etkenlere maruz kalan çelik köprü ve kafes taşıyıcı sistemlerde oluşan yapısal hasarların erken ve yüksek doğrulukla tespit edilmesini sağlıyor. Çalışmada, binalar ve köprülerden elde edilen titreşim sinyalleri görsel spektrogramlara dönüştürülerek hasarın yeri ve boyutunun saniyeler içerisinde belirlenmesine yönelik bir yöntem geliştirildi.
CWBOT MODELİ GELİŞTİRİLDİ
Araştırma kapsamında geliştirilen “CwBot” adlı model, titreşim verilerini zamana ve frekansa bağlı görüntülere dönüştüren dalgacık dönüşümü ile gelişmiş görsel yapay zeka mimarisi olan Görsel Transformatör teknolojisini bir araya getiriyor. Modelin öğrenme parametreleri ise Bayesyen optimizasyon yöntemi kullanılarak otomatik ve hassas biçimde ayarlandı. Böylece yapay zeka modelinin yapısal hasarları daha doğru şekilde tanımlaması hedeflendi.
GERÇEK KÖPRÜDE DE TEST EDİLDİ
Geliştirilen model, hem 72 çubuklu teorik bir çelik kafes modelinde hem de Japonya’da 53 yıl boyunca hizmet veren gerçek bir çelik kafes köprüden elde edilen titreşim kayıtları üzerinde test edildi. Yapılan testlerde modelin farklı ölçeklerdeki yapısal sistemlerde hasar tespiti konusundaki başarısı değerlendirildi.
GERÇEK KÖPRÜ VERİLERİNDE YÜZDE 98,43 DOĞRULUK
Araştırmadan elde edilen sonuçlar, CwBot modelinin laboratuvar ölçekli kafes sistemde yüzde 93,29, gerçek çelik köprü verilerinde ise yüzde 98,43 hasar tespit doğruluğuna ulaştığını ortaya koydu. Modelin elde ettiği sonuçlarla mevcut transfer öğrenme modellerinin geride bırakıldığı belirtildi.
