Hlavní náplní projektu je využití metod umělé inteligence při identifikaci dynamicky namáhaných konstrukcí s cílem lokalizovat porušení konstrukce a stanovit proměnlivost materiálových vlastností (tuhost) po konstrukci. K identifikaci je použita metoda kombinující umělé neuronové sítě a stochastickou analýzu konstrukce sloužící pro vytvoření vhodné učící množiny. Nedílnou součástí metody je i citlivostní analýza vstupních parametrů. Vytvořená metodika je rozvíjena směrem k dynamické odezvě konstrukcí, kdy vstupními parametry identifikace jsou výsledky modální či časové analýzy (frekvence, vlastní tvary, srovnávací kritéria MAC, FRAC apod.). Uvažuje se i se zahrnutím limitních cyklů a chaotického chování. Verifikace metodiky a výsledků je prováděna na experimentálně zjištěných datech z laboratorních testů železobetonových nosníků a z výsledků dynamického měření na několika mostních konstrukcích. Tato identifikační metoda přispěje k následnému stanovení spolehlivosti konstrukce a její zbytkové životnosti.

Description in English
The main subject of the project is an identification of dynamically loaded structures using methods of artificial intelligence in order to analyze damage of structure and to determine a variability of material properties (stiffness) along the structure. As an identification technique the method based on coupling of artificial neural networks and stochastic analysis of structure for preparation of appropriate training set is used. Sensitivity analysis of the input parameters is the integral part of the method. The proposed methodology is being extended towards the dynamic response of structures when results of modal or time domain analysis are the input parameters (frequencies, mode shapes, assurance criteria MAC, FRAC etc.). Limit cycles and chaotic behavior will be possibly considered too. The verification of the methodology and results are carried out using experimental data from laboratory tests of reinforced concrete beams and from results of health monitoring performed on several bridges. This identification method will contribute to subsequent evaluation of overall reliability and residual lifetime of the structure.

Keywords
Inverzní analýza, umělé neuronové sítě, modální vlastnosti, identifikace poškození

Key words in English
Inverse analysis, artificial neural networks, modal properties, damage identification