Damage Detection in the SOFT shell of the fabric roof construction of buildings by means of artificial neural network

Рассмотрена проблема выявления повреждений мягкой оболочки покрытия тентовых строительных конструкций. Мелкие повреждения имеют тенденцию к быстрому увеличению, приводя оболочку в неработоспособное состояние и вызывая перенапряжение несущих элементов каркаса. Таким образом, рассматриваемая проблема является важной с практической точки зрения, а её решение позволит обслуживающему персоналу оперативно предпринять корректирующие мероприятия, не допустив прогрессирующего разрушения тентовой конструкции в целом. Предложено применение искусственной нейронной сети, прогнозирующей вероятности повреждений секторов покрытия. Нейронные сети принадлежат методам машинного обучения, получившим широкое развитие в настоящее время. Они используются для решения сложных задач при наличии неизвестных взаимосвязей между факторами. Нейронные сети находят применение в оценке работоспособного состояния строительных конструкций. Таким образом, рассматриваемая проблема является актуальной, а выбранный метод её решения перспективен с научной точки зрения. В работе предложен набор параметров тентовой строительной конструкции, относящейся к так называемым «bending-active»-системам, позволяющий выявить повреждённый сектор покрытия в условиях неравномерных внешних воздействий. Предложены основные параметры искусственной нейронной сети (число скрытых слоёв, количество элементов на каждом слое и тип функций активации), необходимые для получения надёжного результата. Произведена оценка сети на тестовом наборе данных, подтверждающая её работоспособность. Работа вносит вклад в развитие автоматизированных систем мониторинга технического состояния тентовых конструкций покрытия зданий. The problem of the damage detection in the soft shell of fabric building constructions is considered. Minor damages tend to grow in a short period of time. It results in transitioning the shell into inoperable state and causes overstress of the bearer members of the framework. Consequently, the considered problem is practically important. Its proper solution helps maintenance personnel to take corrective measures in due time thus preventing progressive collapse of the fabric structure in the whole. Artificial neural network is proposed for estimating the probabilities of damages of the roof’s sectors. Neural networks belong to machine learning methods which are widely used in our days. They are applied for tackling complex problems which include hidden relations between the factors. Neural networks are used for estimation of the functional state of building structures. Thus, the considered problem is relevant. The method adopted for its solution is prospective from the scientific point of view. The set of parameters of the fabric building construction which belongs to so-called ‘bending-active’-systems is proposed in the present work. The parameters allow detecting the damaged roof sector subjected to non-uniform external loads. The main parameters of the artificial neural network are also given for obtaining reliable result. They include number of hidden layers in the network, number of elements belonging to the layers, and the type of the activation functions. Validation of the network by using the test dataset confirmed its efficiency. The present work contributes to the development of automated systems of structural health monitoring of fabric roof constructions of buildings.