تحلیل قابها با رفتار غیر خطی مادی و هندسی و کاربرد شبکه های عصبی جهت پیش بینی بارهای انهدام

حداکثر باری که یک قاب می تواند تحمل کند بدون اینکه تنش در هیچ نقطه از قاب قبل از کمانش از حد خمیری تجاوز کند برابر با باربری خطی قاب است. اگر قبل از اینکه کمانش اتفاق بیافتد تنش در اعضا از حد خمیری بگذرد قاب زیر باری کوچکتر از بار بحرانی ارتجاعی فروخواهد ریخت بار نهایی یک قاب هرگز نمی تواند از بار کمانش ارتجاعی خطی و یا از بار بحرانی کمانش ارتجاعی اتفاق می افتد از طرف دیگر اگر انهدام قاب تنها به علت خمیری شدن اعضا باشد به محض تشکیل مکانیزم پلاستیک سیستم ناپایداری خواهد شد. در حقیقت هم عامل پایداری و هم رفتار خمیری بر عملکرد سازه تاثیر گذار هستند و فروریزش قاب به علت عمل فیمابین این دو عامل اتفاق می افتد به این صورت که افزایش بار ثقلی باعث کاهش سختی جانبی قاب شده و تنش های اضافی ناشی از جابجایی بار ثقلی باعث فروریزش قاب تحت باری کمتر از بار مکانیزم پلاستیک ساده می شود هورن و مرچنت برای تخمین این بار یک رابطه تجربی پیشنهاد کرده اند این رابطه به فرمول رانکین معرف است و می تواند برای پیش بینی بار خرابی مورد استفاده قرار می گیرد. نتایج حاصل از این فرمول از دقت بالایی برخوردار نیستند و برطبق دقیق مدل های مورد بررسی دراین پایان نامه در موارد بسیاری پاسخ های غیر ایمنی از این رابطه بدست می آید. هدف این پایان نامه بدست آوردن روشی ساده و دقیقتر برای بدست آوردن ضریب بارنهایی به کمک شبکه های عصبی مصنوعی است در این راستا قاب هایی با شرایط مختلف مورد تحلیل دقیق کامپیوتری قرار گرفته و از نتایج حاصل در جهت آموزش و آزمایش شبکه های عصبی انتشار برگشتی و پایه شعاعی با ساختارهای مختلف استفاده شده است. در دامه ساختارهای مختلف مورد مقایسه قرار گرفته و بهترین ساختار برای پیش بینی بار انعدام و همچنین به عنوان یک فعالیت فرعی برای پیش بینی وزن اسکلت های طراحی شده معرفی شده است و نهایتا نشان داده شده است که این شبکه ها نسبت به روش قبلی پاسخ های قابل قبول تری را ارایه می دهند.