تخمین مقاومت نهایی تیرورق های تحت اثر بارهای موضعی به کمک شبکه های عصبی مصنوعی (یادداشت فنی)

Authors

  • حبیب رجبی مشهدی دانشگاه فردوسی مشهد
  • فرزاد شهابیان دانشگاه فردوسی مشهد
Abstract:

بارهای موضعی یکی از چندین نوع بارگذاری بوده که می تواند باعث بروز ناپایداری و گسیختگی تیرورق‌ها شود. عوامل مهم و مؤثر در ناپایداری از قبیل کمانش جان وبال و ایجاد لهیدگی در محل اتصال بال به جان باعث پیچیده شدن رفتار تیرورق ها می شود. روابط پیشنهاد شده کنونی بر اساس نتایج حاصل از آزمایش و به صورت نیمه تجربی بوده و خطای حداکثری در حدود 20 درصد داشته است. تحلیل به روش اجزای محدود نیز به همان دلایل ذکر شده همواره با مشکل وخطا همراه بوده است. در این پژوهش از شبکه های عصبی برای تخمین مقاومت نهایی تیرورق های تحت اثر بارهای موضعی استفاده شده است. برای آموزش شبکه، نتایج آزمایش های موجود مورد استفاده قرار گرفته است. نتایج حاصل نشان می دهد که خطای حداکثر 11 درصد بوده که در مقایسه با سایر روش ها و موارد مشابه از دقت بالاتری برخوردار است.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

تخمین عمق آبشتگی موضعی در اطراف پایه های واقع در مجرای اصلی آبراهه ها به کمک شبکه عصبی مصنوعی

تحقیقات آزمایشگاهی و صحرایی در زمینه آبشستگی اطراف پایه های مستقر در مجاری اصلیرودخانه ها در پنجاه سال گذشته منجر به ارائه روابط متعدد برای بر آورد حداکثر عمق حفره آبشستگی شده است . هر کدام از روابط یاد شده اثر پارامتر های محدودی را مورد بررسی قرار می دهد به همین دلیل بر آوردهای قابل اعتمادی ارائه نمی دهند. در این تحقیق با بهره گیری از معتبر ترین داده های جمع آوری شده در چند دهه گذشته امکان است...

full text

تخمین پارامترهای خشک کردن گوجه فرنگی با کمک شبکه های عصبی مصنوعی

در این پژوهش خشک کردن لایه ای نازک گوجه فرنگی به روش جابجایی هوای داغ شبیه سازی گردید. اسلایس های گوجه فرنگی در دو دمای (60 و 70 درجه سانتیگراد) خشک شدند. شبکه عصبی پرسپترون برای پیش بینی نسبت رطوبت و سرعت خشک کردن نمونه ها در طی خشک کردن بکار گرفته شد. بهترین چیدمان شبکه عصبی برای شبکه اول بر اساس یک لایه پنهان،2 و 8 نرون در لایه پنهان به ترتیب برای نسبت رطوبت و آهنگ خشک کردن بود. همچنین بهتری...

full text

تخمین عمق آبشتگی موضعی در اطراف پایه های واقع در مجرای اصلی آبراهه ها به کمک شبکه عصبی مصنوعی

تحقیقات آزمایشگاهی و صحرایی در زمینه آبشستگی اطراف پایه های مستقر در مجاری اصلیرودخانه ها در پنجاه سال گذشته منجر به ارائه روابط متعدد برای بر آورد حداکثر عمق حفره آبشستگی شده است . هر کدام از روابط یاد شده اثر پارامتر های محدودی را مورد بررسی قرار می دهد به همین دلیل بر آوردهای قابل اعتمادی ارائه نمی دهند. در این تحقیق با بهره گیری از معتبر ترین داده های جمع آوری شده در چند دهه گذشته امکان است...

full text

تخمین تبخیر و تعرق مرجع روزانه به کمک مدل درخت تصمیمM5 و شبکه عصبی مصنوعی

تعیین دقیق آب مصرفی گیاه باعث افزایش راندمان آبیاری و بهبود مدیریت آب در مزرعه را دنبال دارد. تبخیر و تعرق یک از اجزای اصلی چرخه­ی هیدرولوژی محسوب می­شود و برآورد دقیق آن در مدیریت منابع آب نقش اساسی دارد. در این تحقیق به ارزیابی مدل درختی  M5  و مدل شبکه­ی عصبی تحت شرایط مختلف حداقل داده­ی اقلیمی در یک منطقه­ی خشک سرد پرداخته شد. داده­های مورد استفاده در این تحقیق شامل دمای حداقل و حداکثر، رطو...

full text

مدل‌‌سازی و تخمین طول مفصل پلاستیک ستون های بتن‌آرمه به کمک شبکه‌های عصبی مصنوعی

شبکه‌های عصبی مصنوعی تا حدودی از مغز انسان الگوبرداری شده‌اند و همان‌گونه که مغز انسان می‌تواند با استفاده از تجربیات قبلی و مسائل از پیش یادگرفته، مسائل جدید را تحلیل و تجزیه نماید، شبکه‌های عصبی نیز در صورت آموزش قادرند بر مبنای اطلاعاتی که به ازای آن‌ها آموزش دیده‌اند، جواب‌های قابل قبول ارائه دهند و نیز می‌توان از آن‌ها به طور نامحدود در ارائه جواب به اطلاعاتی که قبلا با آن‌ها مواجه نبوده‌ا...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 45  issue 1

pages  17- 22

publication date 2011-03-21

By following a journal you will be notified via email when a new issue of this journal is published.

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023