بررسی ظرفیت تغییرشکل جانبی ستون های بتن آرمه به کمک محاسبات نرم
Publish Year: 1401
نوع سند: مقاله ژورنالی
زبان: Persian
View: 50
This Paper With 25 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_ICS-7-2_003
تاریخ نمایه سازی: 23 دی 1402
Abstract:
رفتار غیرخطی ستون های بتن آرمه تحت بارهای چرخه ای، سبب کاهش امکان استفاده از روش های تحلیل کلاسیک در بررسی ظرفیت تغییرشکل آن ها می گردد. مدل های ریاضی تحلیلی مبتنی بر مفاهیم پایه و اصول مکانیک سازه و یا مدل های تجربی آماری مبتنی بر رگرسیون غیرخطی، عموما فاقد دقت و سرعت کافی در پاسخ گویی به این گونه مسائل می باشند. محاسبات نرم امکان پاسخ گویی به مسائل پیچیده در شرایط عدم قطعیت را با دقت قابل قبول دارد. هدف اصلی این تحقیق، بررسی امکان استفاده از محاسبات نرم در بررسی ظرفیت تغییرشکل ستون های بتن آرمه با استفاده از داده های آزمایشگاهی جمع آوری شده می باشد. به این منظور با استفاده از سیستم استنتاج فازی عصبی تطبیقی و شبکه های عصبی مصنوعی، چهار مدل ارائه می گردد که مراحل آزمایش آن ها با استفاده از داده های بیش از ۱۰۰ نمونه ستون بتن آرمه که از بانک اطلاعاتی مرکز تحقیقات مهندسی زلزله وابسته به دانشگاه واشنگتن انتخاب شده، صورت گرفته است. متغیرهای اصلی هندسی و مکانیکی موثر بر تغییرشکل جانبی ستون به عنوان ورودی های مدل تعریف گردیده اند. تغییرمکان های جانبی متناظر خرد شدن پوشش بتنی ستون و کاهش بیست درصدی مقاومت جانبی ستون به عنوان خرابی های خمشی و خروجی مدل ها مورد استفاده قرار گرفته اند. دو مدل با الگوریتم انفیس و دو مدل به روش پرسپترون چندلایه کدنویسی شده اند. مقایسه ی مقادیر خطای دو مدل انفیس نسبت به دو مدل پرسپترون چندلایه نشان دهنده قابلیت مناسب انفیس در پیش بینی رفتار ستون های بتن آرمه تحت بار جانبی چرخه ای می باشد.
Keywords:
Authors
محمد علی هندویان
کارشناس ارشد، گروه مهندسی عمران، دانشکده فنی و مهندسی، دانشگاه قم
سید روح الله حسینی واعظ
دانشیار، گروه مهندسی عمران، دانشکده فنی و مهندسی دانشگاه قم
محمدجواد حاجی مزدارانی
کارشناس ارشد، گروه مهندسی عمران، دانشکده فنی و مهندسی، دانشگاه قم
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :