XI KONFERENCJA NOWE KIERUNKI ROZWOJU MECHANIKI SARBINOWO MORSKIE, 18 20 marca 2015 r. Anna JAKUBCZYK-GAŁCZYŃSKA 1, Adam KRISTOWSKI 2, Robert JANKOWSKI 3 1 Politechnika Gdańska, Wydział Inżynierii Lądowej i Środowiska; ul. Gabriela Narutowicza 11/12, 80-233 Gdańsk; e-mail: annjakub@pg.gda.pl 2 Politechnika Gdańska, Wydział Inżynierii Lądowej i Środowiska; ul. Gabriela Narutowicza 11/12, 80-233 Gdańsk; e-mail: kristowski@pg.gda.pl 3 Politechnika Gdańska, Wydział Inżynierii Lądowej i Środowiska; ul. Gabriela Narutowicza 11/12, 80-233 Gdańsk; e-mail: jankowr@pg.gda.pl Idea zastosowania sztucznej inteligencji w prognozowaniu wpływu drgań komunikacyjnych na odpowiedź dynamiczną budynków mieszkalnych Streszczenie: W poniższym artykule autorzy analizują wpływ drgań komunikacyjnych na budynki mieszkalne oraz metodykę pomiarową według PN-85 B-02170 [1]. Problemem badawczym jest opracowanie prostej metody prognozowania wpływu drgań na budynki mieszkalne w taki sposób, aby nie było konieczne przeprowadzanie pracochłonnych i kosztownych pomiarów polowych. W tym celu wykonano analizę przy użyciu algorytmów opartych na sztucznej inteligencji oraz dokonano wyboru optymalnej metody. Wstępne wyniki badań pokazują, iż zastosowanie sztucznej inteligencji może być efektywną metodą prognozowania wpływu drgań komunikacyjnych na odpowiedź dynamiczną budynków mieszkalnych. 1. WPROWADZENIE Metody oparte na sztucznej inteligencji znajdują zastosowanie w wielu dziedzinach współczesnej nauki, w tym również w mechanice i inżynierii. Algorytmy te dają wynik przybliżony, ale w wielu przypadkach jest on wystarczająco dokładny. Do najczęściej wykorzystywanych systemów można zaliczyć: algorytmy genetyczne, maszynę wektorów nośnych, sieci bayesowskie czy też sztuczne sieci neuronowe [2, 3]. Drgania komunikacyjne [4] spowodowane są eksploatacją szlaków drogowych i kolejowych. Wibracje są przenoszone przez grunt na fundamenty pobliskich budowli, a dalej na ich układ nośny. Zasięg wpływu dynamicznego
podano w [1, 4] na ok. 25 m od osi torów tramwajowych i od skrajnego pasa jezdni, ok. 40 m od ściany tunelu metra oraz ok. 50 m od osi torów kolejowych. Drgania wywoływane ruchem pojazdów kołowych i szynowych stanowią wyzwanie zarówno dla projektantów i wykonawców, ale także dla samych mieszkańców. Skutki drgań budynków mieszkalnych poddanych oddziaływaniom dynamicznym od wpływów komunikacyjnych mogą powadzić nawet do katastrofy budowlanej. Najczęściej jednak powodują one zarysowania i spękania tynków, odpadanie farby, tynku, zarysowania konstrukcji, rzadziej pękanie elementów konstrukcji (zob. [4, 5, 6]). Pojęcie drgań jest ściśle związane z dynamiką budowli, a odpowiedź konstrukcji budowlanej zależy od jej parametrów dynamicznych (zob. np. [7, 8]). 2. PROBLEM BADAWCZY Celem badań jest budowa bazy danych oraz stworzenie systemu, opartego na algorytmie sztucznej inteligencji. Na podstawie pomiarów polowych na budynkach mieszkalnych planuje się tworzyć system (program komputerowy), który z wysokim prawdopodobieństwem wskazywałby ryzyko szkodliwego oddziaływania drgań komunikacyjnych na budynek mieszkalny. 2.1. Metodyka pomiarowa Sposób wyznaczania wpływu drgań jest uzależniony od analizowanego przypadku. Mogą wystąpić cztery sytuacje [4]: budynek jest projektowany, źródło drgań jest projektowane; budynek jest projektowany, źródło drgań jest eksploatowane; budynek jest istniejący, źródło drgań jest projektowane; budynek jest istniejący, źródło drgań jest eksploatowane. W pierwszym przypadku tworzy się model obliczeniowy budynku, a następnie poddaje się go wymuszeniu kinematycznemu [4]. W drugiej sytuacji wykonuje się pomiary drgań podłoża w przyszłej lokalizacji. W trzecim przypadku wykorzystuje się wibrogramy z podobnej sytuacji. W ostatnim przypadku wykonuje się pomiary drgań, tworzy się wibrogram, filtruje wyniki i porównuje z wartościami normowymi [1]. Badania drgań w celu określenia strefy wpływów dynamicznych wykonuje się dla obciążeń krótkotrwałych (występujących poniżej 3 minut na dobę), długotrwałych (występujących minimum 3 minuty, maksimum 30 minut na dobę) i stałych (występujących powyżej 30 minut na dobę). Czujniki pomiarowe należy zainstalować minimum w 3 miejscach na obiekcie od strony źródła drgań [1, 4, 6]. Należy pamiętać, aby punkty pomiarowe umieścić na fundamencie lub na ścianie w poziomie gruntu. Nie należy umieszczać czujników w miejscach oddylatowanych od budynku, w miejscach z dużą amplitudą drgań, np. murek pod spocznikiem schodów. Nie należy również umieszczać czujników na stropie nad piwnicą, gdyż wystąpią tam zawyżone wartości [6]. Pomiar należy wykonać dla poziomych składowych drgań fundamentu lub ścian nośnych w poziomie
terenu, oddzielnie dla podłużnego i poprzecznego kierunku. Wyniki pomiarów należy odpowiednio przygotować do dalszej analizy poprzez uwzględnienie jedynie przebiegu czasowego na takiej długości, w którym wartości amplitud są większe od 0,2 wartości maksymalnej [1]. Następnie przebieg czasowy jest filtrowany dla określonych częstotliwości. Przedmiotem badań jest analiza w pasmach 1/3 oktawowych w przedziale częstotliwości 1-100Hz. Tercja jest to pasmo częstotliwości pomiędzy częstotliwościami, których stosunek równa się pierwiastkowi trzeciego stopnia z dwóch. Trzy kolejne tercje stanowią oktawę. Częstotliwości środkowe standardowych tercji pomiarowych wynoszą [1]: 0,5; 1; 1,25; 1,6; 2; 2,5; 3,15; 4; 5; 6,3; 8; 10; 12,5; 16; 20; 25; 31,5; 40; 50; 63; 80; 100Hz. Wyznaczyć zatem należy ekstremalne wartości amplitud dla 22 różnych częstotliwości środkowych, nanieść je na wykres skali wpływów dynamicznych, a następnie odczytać, w jakiej strefie znajduje się obiekt. W zależności od wielkości drgań, według normy [1], wykres może znajdować się w jednej z pięciu stref: I. Strefa: brak wpływu drgań na obiekt; II. Strefa: drgania są odczuwalne, ale nieszkodliwe dla konstrukcji; III. Strefa: może wystąpić ogólne osłabienie nośności konstrukcji; IV. Strefa: drgania mają duży wpływ na konstrukcję, amplitudy są tak wielkie, że przedmioty znajdujące się w budynku spadają na podłogę. Obiekt znajdujący się w tej strefie stwarza zagrożenie dla zdrowia i życia ludzi; V. Strefa: nośność budynku zostaje zaburzona wskutek ogromnej amplitudy drgań, co może skutkować awarią konstrukcji. 2.2. Przykłady badań Pomiary polowe drgań wykonano na czterech budynkach jednorodzinnych (zob. Rys. 1) spełniających założenia normy [1] jako budynki jednorodzinne parterowe z poddaszem użytkowym, częściowo podpiwniczone oraz niepodpiwniczone, wzniesione w latach 1922r. 2010r., o wymiarach w rzucie nie przekraczających 15m oraz wysokości nieprzekraczającej wymiarów rzutu. Konstrukcja obiektów poddanych badaniom jest zróżnicowana: fundamenty kamienne, żelbetowe, betonowe, stropy drewniane, gęstożebrowe, ściany z cegły pełnej gr. 1,5c z pustką powietrzną, pustaków, bloczków betonowych, ocieplone płytami styropianowymi gr. 5cm-14cm. Źródłem występowania drgań były pojazdy kołowe o różnym tonażu i różnej liczbie osi, poruszające się z różną prędkością. Przeanalizowano wpływ drgań na budynki znajdujące się w różnej odległości od skrajni drogi (w zakresie od 7 do 15m). Został również uwzględniony stan nawierzchni: nierówności, spękania, wystające studzienki, ponieważ miał on istotny wpływ na oddziaływanie na pobliskie budynki. Dla każdego z budynków wykonano serię kilkunastu badań. W rezultacie, po wykonaniu analizy w pasmach 1/3 oktawowych, otrzymano około 400 wyników dla każdego budynku i spośród nich wybrano ekstremalne wartości, które umieszczono na wykresie skali wpływów dynamicznych I (SWD I). Większość pomiarów wskazała na I strefę wpływu, co oznacza brak oddziaływania
pojazdów poruszających się po drodze na pobliskie budynki. Wyniki pomiarów są niewspółmierne do oceny mieszkańców, którzy twierdzili, że odczuwają dyskomfort spowodowany drganiami i dlatego zgłosili swoje budynki do wykonania badań polowych zgodnie z normą [1]. Badania takie są relatywnie pracochłonne i kosztowne. Optymalnym rozwiązaniem byłoby zbudowanie systemu, który z określonym prawdopodobieństwem klasyfikowałby dany budynek do strefy bezpiecznej. Rys. 1. Przykładowe budynki poddane badaniom według normy PN-85 B-02170 [1] (strzałki oznaczają lokalizacje czujników drgań) 3. SZTUCZNA INTELIGENCJA Systemy sztucznej inteligencji są to algorytmy matematyczne, które są aktualnie stosowane w wielu gałęziach nauki i przemysłu. Zastosowanie nowoczesnych technik ma zazwyczaj na celu poprawę jakości rozwiązań oraz obniżenie kosztów. Idea prognozowania wystąpienia wpływu drgań na budynki opisana w artykule obrazuje możliwości wykorzystania systemów sztucznej inteligencji, dzięki którym określanie odpowiedzi dynamicznej budynku może stać się bardziej dostępne i powszechne, a przede wszystkim mniej pracochłonne i tańsze. Autorzy w artykule przedstawiają kilka możliwych do zastosowania algorytmów: sztuczne sieci neuronowe, algorytmy genetyczne, sieci Bayes a oraz metodę wektorów nośnych.
3.1. Sztuczne sieci neuronowe Sztuczna sieć neuronowa - SSN (z ang. ANN - Artificial Neural Network) jest to algorytm obliczeń oparty na zasadzie działania ludzkiego mózgu i sieci komórek nerwowych, tzw. neuronów (zob. [2, 3]). Gdy informacja dociera do nich, neurony przetwarzają ją, zapamiętują, by wykorzystać w przyszłości. Sztuczne systemy działają w ten sam sposób. Informacje są podawane, przetwarzane i zapamiętywane, a nawet poprawiane. W tym celu należy przygotować pewną liczbę danych - sygnałów wejściowych. Każdemu z nich przyporządkować można wagę, która wskazywać będzie, jaki wpływ dany sygnał ma na ostateczną odpowiedź. Wprowadzone dane poddawane są działaniu funkcji wewnętrznego przetwarzania i funkcji aktywacji. Następnym etapem jest weryfikacja - wyniki otrzymane przez wstępną sieć porównywane są z rzeczywistymi wielkościami danych próbek. Występująca różnica jest minimalizowana przez zmianę wag. Kiedy występujący błąd jest zadowalająco mały, następuje etap testowania. Niewykorzystane do tej pory dane poddawane są działaniu sieci i porównywane z rzeczywistymi wynikami osiągniętymi poza systemem sieci. 3.2. Algorytmy genetyczne Algorytmy genetyczne należą do szerszej grupy metod ewolucyjnych i oparte są na podstawowych zasadach genetyki (zob. [9, 10]). Jest to metoda poszukiwania najlepszych rozwiązań spośród wszystkich dostępnych. Analizowane jest środowisko złożone z osobników pewnej populacji. Każdy z osobników ma przypisany sztucznie określony kod prymitywny genotyp, na podstawie którego tworzony jest fenotyp, czyli ocena danego osobnika. Genotyp składa się z chromosomów, te zaś składają się z genów. Na początku algorytmu losowana jest populacja, z której na podstawie selekcji wybierane są osobniki najlepiej przystosowane (posiadające najlepszą ocenę). Następnie osobniki te poddawane są krzyżowaniu i mutacji, dzięki czemu powstaje nowe pokolenie, najlepsze osobniki zostają powielane, najsłabsze usuwane z populacji. Jeśli nie znaleziono wystarczająco dobrego osobnika (jego genotypu), znów tworzy się nowe pokolenie, itd. Można w ten sposób dowieźć z możliwie wysokim prawdopodobieństwem, jakie warunki muszą być spełnione i jakie czynniki muszą zaistnieć, aby osiągnąć satysfakcjonujący wynik. 3.3. Sieci Bayes a Sieć bayesowska polega na przedstawieniu zależności przyczynowoskutkowych na podstawie teorii prawdopodobieństwa. Sieć Bayes a to model wiążący zmienne (dyskretne lub ciągłe) i ich stany za pomocą połączeń i odpowiadające prawdopodobieństwo wystąpienia ustalone na podstawie danych historycznych czy też opinii ekspertów. W tym celu tworzy się tablice użyteczności zawierające obliczone prawdopodobieństwa. Zaletą sieci jest możliwość uaktualniania wiedzy i rozbudowy.
3.4. Metoda wektorów nośnych Metoda wektorów nośnych (z ang. SVM - Support Vector Machine) jest techniką obliczeniową nadzorowanego uczenia wykorzystywaną do analizy danych typu klasyfikacja i regresja [9]. Określa się hiperpłaszczyznę, na której znajduje się zbiór punktów. Po określeniu błędu klasyfikacji wyznacza się wektor nośny, który określa margines błędu. Dzięki temu próbki są klasyfikowane do zbioru dopuszczalnego lub też znajdują się poza wymaganym obszarem. Metoda wektorów nośnych jest użyteczna zarówno dla rozwiązań liniowych jak i nieliniowych. Metoda wektorów nośnych ma również swoje zastosowanie w problemach regresji. 4. KONCEPCJA ZASTOSOWANIA SZTUCZNEJ INTELIGENCJI Niekiedy wystarczającym źródłem informacji dla problemów inżynierskich są metody statystyczne czy przybliżone, ale pamiętać należy, że wynik postępowania nigdy nie będzie miał 100% wartości prawdy. W praktyce jednak, w miarę wysokie prawdopodobieństwo zaistnienia jakiegoś czynnika, bądź zdarzenia, jest dla inżynierii wystarczające w porównaniu z kosztownym i pracochłonnym iteracyjnym sprawdzaniem jakiegoś zjawiska. Do tego rodzaju rozwiązań zalicza się również systemy oparte na sztucznej inteligencji. Ponadto w większości przypadków można w łatwy sposób określić procentową trafność wyniku. Spośród przedstawionych systemów, na podstawie porównania wyników można wybrać optymalne rozwiązanie dla przedstawionego problemu badawczego. Zasada budowy wybranego algorytmu polega na tym, że po wprowadzeniu do programu danych, takich jak: charakterystyka budynku, odległość budynku od drogi, stan drogi, masa pojazdów mogących poruszać się po drodze oraz innych istotnych czynników, system na podstawie zebranej wcześniej bazy danych ustala, z określonym zadowalającym prawdopodobieństwem, czy występujące drgania komunikacyjne mają szkodliwy wpływ na budynek według normy [1]. Poniżej przedstawiono schemat działania systemu mającego na celu prognozowanie szkodliwego wpływu drgań komunikacyjnych na budynki mieszkalne jednorodzinne opartego na sztucznej inteligencji.
Rys. 2. Schemat postępowania przy budowie i wykorzystaniu algorytmu sztucznej inteligencji do prognozowania wpływu drgań komunikacyjnych na budynki 5. PODSUMOWANIE Dzisiejsza nauka bogata jest w systemy wspomagające podejmowanie różnych inżynierskich decyzji. Wielkie znaczenie mają tutaj eksperci, którzy dzięki doświadczeniu i zdobytej wiedzy przekazują informacje, które stanowią podstawę programów i systemów obliczeń. Celem jest tutaj osiągnięcie wyniku najlepszego, czyli optymalnego. Jednak, aby go uzyskać, trzeba odpowiednio przeanalizować zadanie i posłużyć się odpowiednią metodą. Obecnie brakuje prostych metod prognozujących zagrożenia powstających wskutek drgań. Celem badawczym jest zatem utworzenie oraz sprawdzenie efektywności algorytmu opartego na sztucznej inteligencji, który z wysokim prawdopodobieństwem szacowałby wpływ drgań wywołanych ruchem ulicznym. Idea wykorzystania sztucznej inteligencji do prognozowania odpowiedzi dynamicznej budynków jest alternatywnym rozwiązaniem dla kosztownych i pracochłonnych pomiarów. Wydaje się jednak, największą jej zaletą jest możliwość prognozowania występowania drgań w obiektach jeszcze nie wzniesionych. LITERATURA [1] Ocena szkodliwości drgań przekazywanych przez podłoże na budynki - PN-85 B-02170, Polski Komitet Normalizacji Miar i Jakości, (1985). [2] STĘGOWSKI Z., Sztuczne sieci neuronowe, (2004). [3] OSSOWSKI S., Sieci neuronowe w ujęciu algorytmicznym, (1996). [4] KAWECKI J., STYPUŁA K., Zapewnienie komfortu wibracyjnego ludziom w budynkach narażonych na oddziaływania komunikacyjne. Politechnika Krakowska, ISBN 978-83-7242-710-6, (2013). [5] HUNAIDI O., Traffic vibrations in buildings, National Research Council of Canada, (2000).
[6] KAWECKI J., STYPUŁA K., Błędy w prognozowaniu i diagnostyce wpływów dynamicznych na budynki, Czasopismo Techniczne, t. 1-M, (2007), 127-136. [7] JANKOWSKI R., Shaking table experimental study on diagnosis of damage and its evaluation in steel structure, Key Engineering Materials, t. 417-418, (2010), 157-160. [8] JANKOWSKI R., Non-linear FEM analysis of pounding-involved response of buildings under non-uniform earthquake excitation, Engineering Structures, t. 37, (2012), 99-105. [9] MORAJDA J., Narzędzia sztucznej inteligencji w ekonomii i zarządzaniu zastosowania i perspektywy rozwoju, II Konferencja Sceno, (2007). [10] GOLDBERG D. E., Algorytmy genetyczne i ich zastosowania. Warszawa: WNT, (1998). THE IDEA OF USING ARTIFICIAL INTELLIGENCE IN FORECASTING THE IMPACT OF VIBRATIONS ON THE DYNAMIC RESPONSE OF RESIDENTIAL BUILDINGS Abstract: Impact of vibrations on residential buildings, as well as measurement methodology according to the code PN-85 B-02170 [1], are considered in this paper. The research problem is the development of a simple method of forecasting the effect of vibrations on residential buildings without laborious and costly on-site measurements. For this purpose, the analysis has been performed using algorithms based on artificial intelligence. Preliminary results show that the use of artificial intelligence can be an effective method of predicting the impact of vibrations on the dynamic response of residential buildings.