تحلیل و بررسی پارامتریک رفتار خرابی شبکه های دو لایه قطری به کمک شبکه عصبی در سازه های فضاکار

Publish Year: 1402
نوع سند: مقاله ژورنالی
زبان: Persian
View: 75

This Paper With 33 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_ARTE-4-33_009

تاریخ نمایه سازی: 9 بهمن 1402

Abstract:

رویکرد استفاده از سازه های فضاکار در بسیاری از پروژه ها در سراسر جهان، گواه قاطعی بر مزایای قابل توجه این نوع سازه هاست. این نوع از سیستم های فضایی با وجود داشتن درجه نامعینی استاتیکی بالا دارای رفتار خرابی بیشتری هستند، به طوری که خرابی یک عضو یا بخشی از سازه می تواند به سرعت در کل سازه متشر شده و باعث بروز خرابی پیش رونده در سازه گردد. گزارش های موجود از خرابی شبکه های دولایه فضاکار نیاز رفتار خرابی این سازه ها و آسیب پذیری آنها در برابر پدیده خرابی پیش رونده را تائید می کند. تحقیق حاضر به صورت تحلیلی و توصیفی انجام پذیرفته است و همچنین با شیوه استدلالی- مقایسه ای به منابع و متون معتبر کتابخانه ای، استنادی و شبکه جهانی اینترنت نیز ارجاع شده است و سعی در تحلیل و بررسی پارامتریک رفتار خرابی شبکه های دو لایه قطری به کمک شبکه عصبی در سازه های فضاکار می باشد. عواملی همچون نسبت طول المان به طول دهانه (تعداد چشمه)، عمق به دهانه و لاغری اعضا از پارامترهای مهم در شکل پذیری شبکه های دو لایه بوده که در این تحقیق اثر آنها بر روی ۶۰ نمونه از شبکه های دو لایه فضاکار با نقش دو راهه روی اریبی بزرگتر و تکیه گاه گوشه ای مورد مطالعه قرار گرفته است. نتایج حاصله از مطالعات انجام شده بیانگر این است که؛ در شبکه های دو لایه فضاکار طرح با حداقل وزن به دلیل اینکه احتمال بروز خرابی پیش رونده را افزایش می دهد نبایستی مالک طراحی قرار گیرد و کاهش لاغری متوسط (میانگین لاغری تک تک اعضا) اعضای شبکه های دو لایه فضاکار سبب افزایش شکل پذیری سازه می شود و نیز کاهش ارتفاع شبکه سبب افزایش شکل پذیری شبکه های دو لایه فضاکار می شود. کاهش تعداد چشمه در دهانه هایی با طول یکسان ظرفیت بالابری شبکه های دو لایه فضاکار را افزایش می دهد. نتایج حاصل از شبکه های عصبی آموزش دیده انطباق قابل قبولی با نتایج حاصل از تحلیل دقیق سازه ها دارد که می توان وزن سازه و شکل پذیری آن را با حداقل خطا قابل قبول توسط شبکه عصبی تخمین زد.

Authors

رضا خلیل زاده

کارشناسی ارشد مهندسی عمران- سازه، کارشناس ناظر رفع تخلفات شهری و رئیس اداره راه و شهرسازی منطقه دو شهرداری خوی، خوی، ایران