شناسایی ترک با تحلیل فرکانسهای طبیعی سازه با استفاده از شبکه های عصبی نوع gmdh و سیستم عصبی- فازی anfis
Authors
abstract
وجود ترک در سازه، موجب نرمی محلی و تغییر در خواص سختی و رفتار دینامیکی سازه می شود. رفتار دینامیکی سازه دارای ترک، به عمق و مکان ترک بستگی دارد؛ از این رو می توان برای شناسایی عمق و مکان ترک از تغییرات رفتار دینامیکی سازه ناشی از ترک، استفاده نمود. در این مقاله ابتدا سه فرکانس طبیعی اول یک تیر یکسردرگیر که یک ترک سطحی باز برای ده عمق ترک مختلف و برای سی مکان مختلف در آن ایجاد شده است، با استفاده از تحلیل المان محدود محاسبه می شوند. سپس نتایج حاصل از تحلیل المان محدود به عنوان ورودی شبکه عصبی نوع gmdh و همچنین سیستم استنتاج تطبیقی عصبی- فازی anfis برای مدلسازی و پیش بینی عمق و مکان ترک مورد استفاده قرار می گیرند. این روشها برای یک تیر ایزوتروپیک یکسرگیردار مورد بررسی و ارزیابی قرار گرفته است که نتایج حاصل، توانایی مطلوب روشهای ارائه شده را نشان می دهد.
similar resources
پیشبینی جریان روزانه رودخانه اهرچای با استفاده از روش های شبکه های عصبی مصنوعی (ANN) و مقایسه آن با سیستم استنتاج فازی- عصبی تطبیقی (ANFIS)
در طی سال‌های اخیر پیشبینی فرآیندهای هیدرولوژیکی به منظور بهره‌برداری پایدار از منابع آب با استفاده از روشهای هوشمند مورد توجه دست اندرکاران بخش آب قرار گرفته است. در این تحقیق با بهره‌‌گیری از شبکه‌‌های عصبی مصنوعی (ANN) و سیستم استنتاج فازی- عصبی تطبیقی (ANFIS) اقدام به پیشبینی دبی جریان روزانه رودخانه اهر چای واقع در استان آذربایجان شرقی در ایستگاه های اورنگ، برمیس و تازه کند گردید. بر...
full textمدل سازی سیستم های تعادلی بخار- مایع و مایع - مایع با استفاده از مدل های ترمودینامیکی، ساختارهای فازی و شبکه های عصبی نوع GMDH
بررسی تعادل‌های سیستم های بخار-مایع و مایع-مایع، نقش مهمی در طراحی، بهینه سازی و کنترل فرایندهای جداسازی دارد. در این تحقیق تعادل های فازی بخار-مایع سامانه های دوتایی(1-پروپانول با آب و اتیل استات)، همچنین تعادل های فازی مایع-مایع سامانه های سه تایی (آب، اتیلن گلایکول، 1-هپتانول) و (آب، اتیلن گلایکول، 2-اتیل 1-هگزانول) با استفاده از مدل های ترمودینامیکی NRTL و UNIQUAC مورد مطالعه قرار گرفتند. ه...
full textشناسایی خسارت در سازه با استفاده از پردازش سیگنال و شبکه های عصبی مصنوعی
در طول دو دهه اخیر بحث شناسایی خرابی و پایش سلامت سازه ها با هدف کاهش هزینه نگهداری و بهبود ایمنی و قابلیت اطمینان سازه مورد توجه قرار گرفته است. پس از وقوع زلزله با توجه به وضعیت بحرانی موجود و تعداد زیاد سازه های بلند مرتبه امکان مراجعه حضوری به تک تک سازه ها وجود ندارد. این موضوع اهمیت توسعه روش هایی که بتوانند تنها با استفاده از سیگنال های پاسخ ثبت شده در مدت زمان زلزله، خسارت ایجاد شده در ...
full textتعیین قواعد بهره‌برداری از مخزن سد درودزن با استفاده از شبکه عصبی تطبیق‌پذیر مبتنی بر سیستم استنتاج فازی (ANFIS)
Nowadays, water resource management has been shifted from the construction of new water supply systems to the management and the optimal utilization of the existing ones. In this study, the reservoir operating rules of Doroodzan dam reservoir, located in Fars province, were determined using different methods and the most efficient model was selected. For this purpose, a monthly nonlinear multi-...
full textطراحی مدل پیش بینی حجم ترافیک روزانه برون شهری با استفاده از سیستم استنتاج فازی مبتنی بر شبکه عصبی(ANFIS)
تقاضای روزافزون استفاده از وسایل حمل و نقل شخصی، مشکل تراکم ترافیک را به یکی از مهم ترین بحران ها در اکثر کلان شهرهای جهان تبدیل کرده است. تأثیرات زیست محیطی، اجتماعی و اقتصادی که گره های ترافیکی بر جوامع بشری می گذارد محققین را برآن داشته است که به دنبال راه کارهایی برای مقابله با آن باشند. یکی از این راه کارها پیش بینی حجم ترافیک روزانه است. پیش بینی ترافیک به کنترل کننده ها کمک می کند ت...
full textپیشبینی بلند مدت رواناب با استفاده از شبکه های عصبی مصنوعی و سیستم استنتاج فازی
مدلهای مفهومی بر مبنای هوش مصنوعی، اغلب برای پیشبینیهای کوتاه مدت و میان مدت هیدورلوژیکی به کار رفته اند. در این مقاله با استفاده از مفهوم تولید مجموعه ای از پیش‌بینی‌ها1 (ESP) و تفکیک مدلسازی برای متغیرهای اقلیمی‌و هیدرولوژیکی، از مدلهای مفهومی برای پیشبینی بلندمدت حجم جریان رودخانه زاینده رود در محل ورودی به سد زاینده رود استفاده می‌شود. سیستم استنتاج فازی برای پیشبینی بار...
full textMy Resources
Save resource for easier access later
Journal title:
فصلنامه علمی پژوهشی مهندسی مکانیک جامدات واحد خمینی شهرجلد ۱، شماره ۴، صفحات ۶۳-۷۶
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023