پایش سلامت سازه (SHM) نقش حیاتی در حفظ ایمنی زیرساخت‌های حیاتی ایفا می‌کند، اما این فرآیند با چالش‌های مداومی به‌ویژه در شرایط دارای نویز شدید محیطی مواجه است. روش‌های سنتی مبتنی بر ارتعاش، زمانی که سیگنال‌ها به‌شدت آلوده به نویز باشند، اغلب از اعتبار و قابلیت اطمینان کافی برخوردار نیستند. علاوه بر این، این روش‌ها معمولاً نیازمند تعداد زیادی حسگر با موقعیت‌ مناسب هستند تا بتوانند شرایط سازه را به‌درستی ارزیابی کنند. اگرچه افزایش تعداد حسگرها می‌تواند مقاومت سیستم در برابر نویز را افزایش داده و با ادغام داده‌ها، دقت تشخیص را بهبود بخشد، اما استقرار شبکه‌های گسترده‌ی حسگری اغلب به‌دلیل محدودیت‌های مالی و اجرایی، غیرعملی است. از این‌رو، نیاز مبرمی به روش‌هایی قدرتمند در حوزه SHM وجود دارد که حتی با داده‌های محدود و در محیط‌های نویزی بتوانند نتایج دقیقی ارائه دهند. هرا و هو [1] از تبدیل موجک گسسته (DWT) برای تشخیص آسیب سازه از ارتعاشات محیطی استفاده کردند، اما روش آن‌ها نیازمند سیگنال‌های ایده‌آل و بدون نویز بود که کاربرد آن را در شرایط واقعی محدود می‌کرد. مهاتو و همکاران[2] روش ترکیبی تبدیل موجک پیوسته (CWT) و تبدیل هیلبرت را ارائه دادند که عملکرد مناسبی تا سطح ۱۰٪ نویز از خود نشان داد. یانگ و همکاران [3] نیز از تجزیه مود تجربی (EMD) همراه با تبدیل هیلبرت برای شناسایی سیستم استفاده کردند، اما روش آن‌ها در سطوح نویز بالاتر از ۱۰٪ نتایج دقیقی نداشت. برای بهبود، آن‌ها روش تبدیل هیلبرت را با تکنیک کاهندگی تصادفی (RDT) اصلاح کردند که توانایی بهتری در مقابله با نویز داشت.

کلمات کلیدی