الذكاء الاصطناعي في هندسة الجسور المركبات: مراجعة منهجية للتصميم، والمراقبة، وإدارة دورة الحياة

تقدم هذه الدراسة مراجعة منهجية للذكاء الاصطناعي (AI) في هندسة الجسور المركبات، تغطي التصميم، والمراقبة، ودعم اتخاذ القرار في دورة الحياة. الهدف هو تحديد وتصنيف وتحليل نقدي للطرق الرئيسية للذكاء الاصطناعي المستخدمة عبر دورة حياة الجسر، بما في ذلك تعلم الآلة (ML)، والتعلم العميق (DL)، والشبكات العصبية الاصطناعية (ANNs)، وخوارزميات التحسين (OAs). تتبع المراجعة إطار عمل PRISMA 2020 لضمان الشفافية وإمكانية التكرار، مع الأخذ في الاعتبار المنشورات من 2018 إلى 2026. توضح النتائج أن تطبيقات الذكاء الاصطناعي تشمل دورة حياة الجسر بأكملها؛ ومع ذلك، فإن البحث الحالي يتركز بشكل أساسي في مراقبة صحة الهياكل (SHM)، واكتشاف الأضرار، والتفتيش، والصيانة التنبؤية، بينما تظل التطبيقات الموجهة نحو التصميم - مثل التحسين، ونمذجة البديل، والتحليل الهيكلي - أقل تطورًا نسبياً. من المهم أن تكون بيانات SHM مدخلاً رئيسيًا لنمذجة مدفوعة بالبيانات، مما يمكّن من تحسين التصميم، وتقييم موثوقية، ودعم اتخاذ القرار في دورة الحياة. تظل طرق تعلم الآلة التقليدية فعالة للبيانات المنظمة، بينما تسود نماذج التعلم العميق، وخاصة الشبكات العصبية التلافيفية والمتكررة، التطبيقات المعتمدة على الصور والسلاسل الزمنية. بالإضافة إلى ذلك، تظهر أساليب الذكاء الاصطناعي الهجينة المستندة إلى الفيزياء لتحسين موثوقية النموذج وقابليته للتفسير. تحدد المراجعة أيضًا التحديات الرئيسية، بما في ذلك قيود جودة البيانات، وعدم وجود منهجيات موحدة، والاندماج المحدود مع أكواد التصميم الهندسي، والحواجز المتعلقة بالثقة والخبرة والأطر التنظيمية. بشكل عام، تسلط النتائج الضوء على التحول نحو أطر رقمية متكاملة، بما في ذلك التوائم الرقمية ودمج البيانات متعددة الأنماط، لدعم مراقبة أكثر موثوقية واتخاذ قرارات دورة الحياة. توفر هذه الدراسة تجميعًا شاملاً للتطورات الحالية وتحدد اتجاهات البحث المستقبلية نحو أنظمة بنية تحتية للجسور أكثر مرونة وذكاءً.