نوقشت اطروحة الدكتوراه للطالبة ايمان رحيم بستان نجم في كلية الهندسة جامعة البصرة قسم الهندسة الميكانيكية بعنوان تشخيص العيوب في الهياكل المعدنية باستخدام البيانات العملية للتحليل الطوري للاهتزازت وتضمنت يعد اكتشاف الضرر أمرًا بالغ الأهمية للحفاظ على سلامة الهيكل، وخاصة في المجالات الهندسية حيث يمكن أن يؤدي الاهتزاز إلى فشل الهيكل. تقدم الدراسة الحالية طريقة للكشف الموثوق عن الضرر في الهياكل الفولاذية مثل (cantilever beam)من خلال البيانات العمليه للتحليل النموذجي وباستخدام تقنيات الإثارة المختلفة،مثل اختبار (impact and shaker test). بالإضافة إلى ذلك، تم اعتماد طريقة تحويل المويجة المستمر (CWT) لتوليد صور للضرر الذي يلحق بالهيكل بناءً على الاختلاف في تشوه اشكال النسق واعتباره مدخلاً للشبكات العصبية التلافيفية (CNN) . علاوة على ذلك، تتضمن الدراسه المقترحة في هذا العمل استخدام تقنية نقل التعلم العميق في (CNN) لتشخيص الأضرار في الهياكل المتماثله. كما تم استخدام الشبكات العصبية الاصطناعية للتعرف على الأنماط (ANN pattern recognition) للتنبؤ وتصنيف الضرر من حيث الموقع والعمق في (cantilever beam) باستخدام بيانات التحليل النموذجي المتمثلة بالترددات الطبيعية والاختلافات في تشوه اشكال النسق وعوامل التخميد.
وأظهرت النتائج أن بيانات تحليل النموذجي التي تم الحصول عليها بالطرق العمليه كانت قريبة من النتائج العددية التي تم الحصول عليها باستخدام برنامج Ansys 2022R1، وكانت الفروقات بين العملي والنظري ضمن حدود الخطأ الطبيعي، حيث بلغ أعلى معدل خطأ 10.04% وأقل معدل خطأ 3.09%. وبالمقارنة مع نتائج الباحث (Pankaj Kumar) حيث أظهرت نتئج الباحث أدنى انحراف بنسبة 6% و أقصى قيمه كانت19.31% بين النظري والعملي. كما ان لدمج منهجيتي CWT و CNN يعطي دقة قي التشخيص بنسبة 100% لتصنيف موقع الضرر ودقة 75% لتصنيف عمق الضرر. اما بالنسبة لنتائج ANN كانت دقة التصنيف بنسبة 100% و98% لنموذجين (عمق الضرر وموقع الضرر وفقً لنتائج النظرية. وأعطت البيانات العمليه دقة بنسبة 90%. كما تحقق تقنية نقل التعلم العميق معدل التعرف والتمييز للصور بنسبة 100% في النتائج النظرية، بينما في النتائج العمليه ، كانت دقة التشخيص 75%. علاوة على ذلك، علاوه على ذلك ان استخدام تقنية نقل التعلم يعمل على تسريع التدريب، وبالتالي تقليل الوقت والموارد الحسابية اللازمة للتدريب، مما يوفر بديلاً للطرق الحالية لتشخيص واكتشاف الضرر بسرعة ودقة عالية.