تعیین ضریب بزرگنمایی جوش در اتصالات لوله ای به وسیله شبکه های عصبی مصنوعی

Authors

علی فتحی

a. fathi علی اکبر آقاکوچک و غلامعلی منتظر

a. a. aghakuchak

and gh. a. montazer

abstract

در اتصالات لوله ای جوشی زمانی که عمق ترک خستگی کمتر از 20 درصد ضخامت جدارۀ عضو اصلی است، رشد ترک بیش از هر چیز تحت اثر هندسۀ جوش در اتصال است. از این رو حل اتصال t شکل و ضریب بزرگنمایی جوش (mk) ابزار مناسبی برای محاسبۀ سرعت رشد ترک در این محدوده اند. در این تحقیق توانایی شبکه های عصبی مصنوعی برای تعیین mk در اتصالات t شکل مورد آزمون قرار گرفته است. چهار شبکه از نوع پرسپترون چندلایه (mlp) طراحی و آموزش داده شده اند تا مقادیر mk را در عمیقترین نقطۀ ترک و نقاط انتهایی آنها تحت تنشهای غشایی و خمشی تخمین بزنند. داده های استفاده شده برای آموزش و آزمون شبکه ها از داده های معتبر اجزای محدود استخراج شده است. مقایسۀ بین نتایج به دست آمده از شبکه ها و جدیدترین روابط منتشر شده برای محاسبۀ mk نشان دهندۀ قابلیت بالای شبکه-های عصبی برای استفاده در این زمینه است.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

تعیین سرعت رشد خستگی در اتصالات لوله‌ای به وسیله شبکه‌های عصبی مصنوعی

In order to predict the residual life of offshore platforms and establish efficient schedule for underwater inspection and repair, it is necessary to estimate the fatigue crack growth rate in tubular joints properly. Linear Elastic Fracture Mechanics and Stress Intensity Factor are applicable tools for evaluating growth rate of existing fatigue cracks in offshore tubular joints. In the past sev...

full text

مدل‌سازی ضریب بزرگنمایی خاک‌های ماسه‌ای به دو روش شبکه عصبی و برنامه‌ریزی بیان ژن

زمانی که امواج زمین‌لرزه از لایه‌های آبرفتی می‌گذرند؛ دامنه امواج لرزه‌ای در برخی از دوره‌ها به‌طور قابل‌توجهی افزایش می‌یابد که با عنوان بزرگنمایی سایت شناخته می‌شود. در این صورت می‌توان آن را با یک مدل تحلیلی به‌صورت نسبت طیف پاسخ سطح زمین به طیف پاسخ حرکت ورودی برآورد کرد. این رفتار در ارزیابی عملکرد لرزه‌ای سازه‌ها و شریان‌های حیاتی ضروری است. در این مقاله سعی شده است که این تأثیر در لایه‌ه...

full text

مدلسازی لوله های انتقال گاز با شبکه های عصبی مصنوعی به منظور تشخیص عیوب آنها

این مقاله معرفی  رویکرد جدید برای عیب یابی خطوط لوله انتقال گاز با استفاده از شبکه عصبی مصنوعی به کمک امواج مکانیکی است که این روش بسیار ارزان تر و آسان تر از روش اولتراسوند است. که در حال حاضر مشغول به کارمی باشد. این خطوط معمولا در شرایط محیطی سخت و دور از دسترس و در مسافت های طولانی قرار دارند و استفاده از سیستم های که بصورت آنی و دقیق بتوانند عیب ها و نشتی های این لوله را گزارش دهند حیاتی  ...

full text

تعیین عدد ناسلت نانوسیال در جریان درون لوله به کمک شبکه های عصبی مصنوعی

امروزه استفاده از نانوسیال در تجهیزات انتقال حرارت همچون مبدل های حرارتی بسیار قابل توجه است. لذا پیش بینی رفتار و خواص انتقال حرارت نانوسیال به عنوان یک هدف کاربردی مطرح می باشد. با توجه به هزینه بالای آزمایش های انتقال حرارت، تکرار یک آزمایش برای داده های گوناگون امکان پذیر نیست، لذا پیش بینی نتایج یک آزمایش برای مقادیر مختلف داده های آزمایش نشده مسئله ای پراهمیت است. با توجه به نتایج دقیق به...

full text

تعیین تحلیلی ضرایب تمرکز تنش اتصالات لوله ای چندصفحه ایKK

تحلیل خستگی یکی از مراحل مهم در طراحی سازه های دریایی است که در آن از ضریب تمرکز تنش به عنوان شاخص هندسی و کنترل کننده مقاومت اتصالات استفاده میشود. آیین نامه ها برای تعیین ضرایب تمرکز تنش در اتصالات تک صفحه سکوهای دریایی روابط متعددی را پیشنهاد میکنند که محدوده اعتبار آنها به مقدار زیادی نامعلوم است. در مورد اتصالات چندصفحه ، با تفکیک این اتصالات به اتصالات تک صفحه معادل،از همان روابط استفاده ...

full text

My Resources

Save resource for easier access later


Journal title:
روش های عددی در مهندسی (استقلال)

جلد ۲۶، شماره ۲، صفحات ۱۵-۲۹

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023