طراحی تکاملی شبکه های عصبی پایه شعاعی برای مدلسازی میزان جذب انرژی سازه های جدارنازک با مقطع کلاهی شکل

سازه های جدار نازک مانند صفحه ، پوسته، صفحه ساندویچی و ... به عنوان سازه هایی که قابلیت جذب انرژی فوق العاده ای دارند همواره مورد توجه بوده و کاربرد وسیعی در مکانیزمهای جذب انرژی دارند . به همین منظور، محققین تحلیلهای بسیاری بر روی این سازه ها انجام داده اند تا بتوانند با به دست آوردن فرمولهایی با دقت مناسب، میزان جذب انرژی و نیروی لازم مچالگی را بدون انجام آزمایشات عملی محاسبه کنند . در این مقاله، از نتایج بدست آمده حاصل از آزمایشات انجام شده بر روی جاذبهای انرژی با مقطع کلاهی شکل جهت ارائه مدل ریاضی بر اساس شبکه های عصبی نوع پایه شعاعی ) ) RBFN برای محاسبه نیروی متوسط مچالگی استفاده شده است . الگوریتم ژنتیک و تجزیه مقادیر منفرد ) ) SVD برای طراحی بهینه ساختار شبکه عصبی از نوع RBF مورد استفاده قرار گرفته اند . مقایسه نتایج حاصل از آزمایش با نتایج بدست آمده از مدل بیانگر مدلسازی موفق در این فرایند می باشد