هدف از
تحلیل پلاستیک سازه ها محاسبه
بار خرابی آنها بر اثر تشکیل تعداد کافی مفصل پلاستیک می باشد. بعبارت دیگر
بار خرابی باری است که در اثر آن مکانیزم در سازه اتفاق می افتد. روشهای مختلفی برای محاسبه
بار خرابی وجود دارد که از مناسبترین آنها
برنامه ریزی ریاضی بر اساس تئوری کینماتیک ( کمینه سازی ضریب بار) و یا بر اساس تئوری استاتیک ( بیشینه سازی ضیب بار) می باشد. نرم افزارهایی وجود دارد که بر اساس روش
برنامه ریزی ریاضی مقدار
بار خرابی سازه های قابی، سازه های خرپایی و سازه های مختلط ار جنس فولاد یا بتن و یا ترکیبی از بتن و فولاد را محاسبه می کند. استفاده از این برنامه ها برای محاسبه
بار خرابی مستلزم صرف زمان بسیار و هزینه های محاسباتی زیادی مخصوا برای بهینه سازی، که احتیاج به تعداد زیادی تحلیل نیاز دارد، می باشد. یکی از بهترین گزینه ها برای کاهش زمان و هزینه محاسباتی برای محاسبه بار خرابی، استفاده از
شبکه های عصبی مصنوعی است. در این تحقیق نتایج حاصل از برخی از برنامه ها در محاسبه
بار خرابی تعدادی از قاب های متداول برای آموزش
شبکه های عصبی مصنوعی بکار گرفته شده است. همچنین برای تقویت سازی
بار خرابی سازه های قابی از
شبکه های عصبی تابع بنیادی شعاعی و انتشار برگشتی استفاده شده است. مقایسه نتایج بدست آمده از شبکه های RBF و BP با مقادیر دقیق بدست آ ده از نرم افزارهای قبلی نشان دهنده کارایی و دقت بالای
شبکه های عصبی می باشد. لازم به ذکر است که دقت نتایج تقریب سازی شده توسط شبکه انتشار برگشتی بهتر از نتایج بدست آمده از شبکه تابع بنیادی شعاعی می باشند.