Perpustakaan Digital ITB

Structural Health Monitoring (SHM) memerlukan metode yang efisien untuk memperkirakan respons struktur di luar lokasi yang dapat dijangkau oleh sensor fisik. Meskipun simulasi finite element (FE) mampu memberikan informasi responsmenyeluruh, analisis berulang dapat membutuhkan biaya komputasi yang besar. Penelitian ini mengembangkan kerangka reduced-order berbasis data untuk merekonstruksi respons displacement full-field dari riwayat waktu akselerasi. Dataset respons dinamik dihasilkan menggunakan ABAQUS pada struktur kantilever dengan kondisi eksitasi yang bervariasi. Principal Component Analysis (PCA) digunakan untuk mereduksi medan displacement berdimensi 6840 menjadi 100 komponen, yang setara dengan reduksi dimensionalitas sekitar 98.54%. Meskipun jumlah komponen yang lebih sedikit telah mampu menangkap sebagian besar cumulative variance, pengurangan komponen yang signifikan dapat mempengaruhi karakteristik respons sekunder. Oleh karena itu, jumlah akhir komponen PCA mempertimbangkan explained variance, stabilitas pelatihan, dan performa prediksi. Model LSTM–MLP kemudian dikembangkan untuk mempelajari hubungan riwayat waktu antara akselerasi dan displacement. Model mencapai nilai R2 sebesar 0.866 untuk displacement magnitude dan 0.907 untuk komponen dominan uz. Dengan menggunakan enam sensor akselerasi sparse, model mampu merekonstruksi displacement pada 2280 node dengan rata-rata R2 sekitar 0.945. Medan displacement hasil rekonstruksi selanjutnya digunakan untuk FEM-based stress recovery, yang menunjukkan potensi pendekatan reduced-order berbasis akselerasi untuk aplikasi SHM.