تقریب مقادیر ویژه ورق با استفاده از شبکه عصبی مصنوعی

نویسندگان

علی حیدری

ali heidari department of civil engineering, university of shahrekord, shahrekord, iranدانشکده فنی مهندسی، گروه عمران، دانشگاه شهرکرد، شهرکرد داوذ توکلی

davoud tavakoli faculty of civil engineering, shahid rajaee teacher training university, tehran, lavizan, iranدانشکده عمران، دانشگاه تربیت دبیر شهید رجایی، تهران، لویزان پویان فخاریان

pouyan fakharian faculty of civil engineering, semnan university, semnan, iranدانشکده مهندسی عمران، دانشگاه سمنان

چکیده

هدف از این مقاله، تعیین فرکانس زاویه ای طبیعی ورق‏ها با توجه به شرایط مختلف تکیه گاهی به کمک شبکه عصبی مصنوعی است. یکی از مشهورترین روش‏های آموزش شبکه عصبی، استفاده از الگوریتم انتشار برگشتی است. این الگوریتم برای آموزش شبکه های چند لایه قابل کاربرد است. الگوریتم انتشار برگشتی بر مبنای کاهش گرادیان بوده و در آن شیب خطا به تدریج کم شده و وزن‏های شبکه برای رسیدن به حداقل خطا، تعدیل می شود. در این تحقیق ابتدا فرکانس واقعی ورق‏ها با استفاده از برنامهansys محاسبه شده و به عنوان تابع هدف شبکه عصبی در نظر گرفته می شود. سپس با استفاده از مقادیر بدست آمده در مرحله قبل، دسته ای از ورودی ها که شامل ابعاد و خصوصیات جنس ورق‏هاست ایجاد شده و یک شبکه عصبی ساخته شده و آموزش داده می شود. پس از آموزش شبکه از داده های دیگری برای آزمایش شبکه استفاده می شود. نتایج تحلیل به خوبی بیانگر عملکرد شبکه عصبی بوده به طوری که زمان محاسبه فرکانس به میزان قابل توجهی کاهش یافته است.

برای دانلود باید عضویت طلایی داشته باشید

برای دانلود متن کامل این مقاله و بیش از 32 میلیون مقاله دیگر ابتدا ثبت نام کنید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

برآورد استحکام فشاری ماسه ریخته گری در مقادیر گوناگون رطوبت با استفاده از شبکه عصبی مصنوعی

کیفیت قطعات ریخته گری در قالب گیری ماسه به گونه‌ای چشم گیر به خواص ماسه مورد استفاده از قبیل استحکام فشاری، نفوذپذیری، سختی قالب و... بستگی دارد که این خواص نیز به پارامترهایی مانند رطوبت، اندازه و شکل دانه ماسه، میزان چسب و... بستگی دارند. در این مقاله، تعداد 84 آزمایش عملی برای بدست آوردن داده های مورد نیاز برای شبیه سازی که همان استحکام فشاری ماسه در درصد رطوبت های معین بودند، انجام گرفته اس...

متن کامل

تخمین استحکام فشاری ماسه ریخته‌گری در مقادیر مختلف رطوبت با استفاده از شبکه عصبی مصنوعی

کیفیت قطعات ریخته‌گری درقالب‌گیری ماسه به‌طور چشم‌گیری به خواص ماسه‌ی مورد استفاده از قبیل استحکام فشاری، نفوذپذیری، سختی قالب و... بستگی دارد که این خواص نیز به پارامترهایی مانند رطوبت، اندازه و شکل دانه ماسه، میزان چسب و... بستگی دارند. در این مقاله، از شبکه عصبی مصنوعی برای بررسی تاثیر میزان رطوبت در استحکام فشاری ماسه استفاده شده است. آزمایش‌های عملی متعددی برای به‌دست آوردن داده‌های مورد ن...

متن کامل

تخمین استحکام فشاری ماسه ریخته‌گری در مقادیر مختلف رطوبت با استفاده از شبکه عصبی مصنوعی

کیفیت قطعات ریخته‌گری درقالب‌گیری ماسه به‌طور چشم‌گیری به خواص ماسه‌ی مورد استفاده از قبیل استحکام فشاری، نفوذپذیری، سختی قالب و... بستگی دارد که این خواص نیز به پارامترهایی مانند رطوبت، اندازه و شکل دانه ماسه، میزان چسب و... بستگی دارند. در این مقاله، از شبکه عصبی مصنوعی برای بررسی تاثیر میزان رطوبت در استحکام فشاری ماسه استفاده شده است. آزمایش‌های عملی متعددی برای به‌دست آوردن داده‌های مورد ن...

متن کامل

تعیین خرج ویژه بهینه در عملیات آتشکاری با استفاده از شبکه¬های عصبی مصنوعی

هدف اصلی در این مطالعه، بررسی کاربرد شبکه عصبی در تخمین خرج ویژه بهینه بر اساس یک‌ سری ازمشاهدات و محاسبات عددی می‌باشد. پارامترهای ورودی مورد نیاز جهت مدلسازی، شامل 12 ویژگی زمین‌شناسی و ژئومکانیکی می‌باشد. اطلاعات مورد نیاز برای این تحقیق از تونل سرریز سد کوثر جمع آوری شده است. شبکه عصبی طراحی شده در این مطالعه توسط داده‌های آموزشی و آزمایشی مورد ارزیابی قرار می‌گیرد. نتایج به دست آمده نشان م...

متن کامل

مدل‌سازی بازده کششی تراکتور با استفاده از شبکه عصبی مصنوعی

در این مطالعه آزمایش­های مزرعه­ای در شرایط متفاوت عمق شخم، سرعت پیشروی و میزان وزنه­های متصل به تراکتور انجام شد. در این تحقیق، عمق شخم در چهار سطح 5، 10، 15 و 20 سانتی­متر، سرعت­های پیشروی در چهار سطح 5/2، 5/3، 5/4 و 5/5 کیلومتر بر ساعت و میزان سنگین­کننده نیز در چهار سطح 0، 40، 80 و 120 کیلوگرم قرار گرفت. شبکه­های عصبی مدل­سازی شده در این تحقیق که به­ منظور پیش­بینی بازده کششی تراکتور مورد اس...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید


عنوان ژورنال:
مدلسازی در مهندسی

جلد ۱۱، شماره ۳۵، صفحات ۴۹-۶۲

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023