دوره 10، شماره 3 - ( 1389 )                   جلد 10 شماره 3 صفحات 0-0 | برگشت به فهرست نسخه ها

XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Joharzadeh ئ, Khaji N, Bahreininejad 3 A. Health Monitoring of Cracked Cantilever Beams Using Artificial Neural Networks Considering Nonlinear Crack Behavior. IQBQ. 2010; 10 (3)
URL: http://journals.modares.ac.ir/article-16-8378-fa.html
جوهر زاده مهران، خاجی ناصر، بحرینی نژاد اردشیر. سلامت سنجی تیرهای طرهای شکل ترک خورده به کمک شبکه های عصبی مصنوعی، با درنظرگرفتن رفتار غیرخطی ترک. مهندسی عمران مدرس. 1389; 10 (3)

URL: http://journals.modares.ac.ir/article-16-8378-fa.html


چکیده:   (2591 مشاهده)
چکیده - در این تحقیق، با بهره گیری از شبکه های عصبی مصنوعی و ر وش المان محدود، تیرهای طرهایشکل آسیب دیده که دارای ترک های طولی هستند، مورد بررسی و سلامت سنجی قرار گرفته اند . رفتار غیرخط ی ترک ها (بازوبستهشدن آنها ) در این تحقیق مورد توجه قرار گرفته است که بر اساس بررسیهای انجام شده توسط نویسندگان، در ردیا بی ترک در سازه ها به کمک شبکه های عصبی مصنوعی، رفتار مزبور تاکنون مورد توجه محققان دیگر قرار نگرفته است . بر ای منظورنمودن اثرات غیرخطی ترک، از روش المان محدود استفاده شده است . تغییرات ایجاد شده در فرکانس های طبیعی مودهای مختلف ارتعاشی در اثر وجود ترک، به عنو ان داده های لازم در آموزش و آزمایش شبکه های عصبی مورد استفاده قرار گرفته اند. با ایجاد سناریوهای مختلف برای حالات تیرهای سالم و آسیب دیده (با موقعیت ها و شدت های ترک خوردگی مختلف ) دو کلاس مشخص از شبکه های عصبی برای تعیین موقعیت و طول (شدت) ترکهای طولی در تیرها آموزش داده شده اند . نتایج حاصل از دو کلاس مزبور نشان می دهند که شبکههای آموزش دیده به صورت مطلوبی طول ترک را پیش بینی می کنند . همچنین ملاحظه می شود که پیشبینی شبکههای آموزش دیده برای تعیین محل ترک در حد قابل قبول بوده، که علل تقریبات وارده در این پیشبینی مورد بحث قرار گرفته است.
متن کامل [PDF 639 kb]   (1189 دریافت)    

دریافت: ۱۳۸۶/۶/۱۶ | پذیرش: ۱۳۸۸/۲/۱۶ | انتشار: ۱۳۸۹/۱۲/۱۶

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA code