عیب یابی سازه ها با استفاده ازالگوریتم های هوش مصنوعی
Publish place: 10th International Congress on Civil Engineering
Publish Year: 1394
Type: Conference paper
Language: Persian
View: 2,209
This Paper With 8 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
ICCE10_0548
Index date: 10 July 2015
عیب یابی سازه ها با استفاده ازالگوریتم های هوش مصنوعی abstract
امروزه استفاده ازالگوریتم های مبتنی برهوش مصنوعی درزمینه عیب یابی سازه ها موردتوجه بسیاری ازمحققین قرارگرفته است دراین تحقیق جهت تشخیص عیوب چندگانه درسیستم های سازه ای ازدوالگوریتم هوش مصنوعی جدید استفاده شده است بدین منظور روش Extreme Learning Machine (ELM) برای طراحی سیستم عیب یابی هوشمند سازه ها مورداستفاده قرار گرفته است وظیفه سیستم عیب یاب شناسایی محل و میزان اسیب درسازه ها می باشد اسیب درسازه ها توسط کاهش سختی مدل شده وهمچنین ازتغییرات فرکانسهای سازه به عنوان ورودی سیستم عیب یاب استفاده میگردد برای مقایسه کارایی سیستم مبتنی برELM نتایج حاصله ازآن با سیستم مشابه مبتنی برماشین بردار پشتیبا حداقل مربعات LS-SVM مقایسه شده است به منظور ارزیابی عملکرد روش پیشنهادی مثالهای عددی حل شده و نتایج بیانگر دقت بیشتر eLM نسبت به LS-SVM جهت عیب یابی سازه ها می باشد
عیب یابی سازه ها با استفاده ازالگوریتم های هوش مصنوعی Keywords:
عیب یابی سازه ها , محل و شدت آسیب , الگوریتم Least Square Support Vector Machine , الگوریتم Exreme Learning Machine
عیب یابی سازه ها با استفاده ازالگوریتم های هوش مصنوعی authors
مرجان سهرابی
دانشجوی کارشناسی ارشد سازه بخش مهندسی عمران دانشکده فنی و مهندسی دانشگاه شهید باهنر کرمان
پیمان ترک زاده
استادیاربخش مهندسی عمران دانشکده فنی و مهندسی دانشگاه شهید باهنر کرمان ایران
رامین قیاسی
کارشناس ارشد سازه بخش مهندسی عمران دانشکده فنی و مهندسی دانشگاه شهید باهنر کرمان ایران
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 :