تخمین طول مفصل پلاستیک اعضای خمشی بتن آرمه به کمک شبکه های عصبی مصنوعی
Publish place: The International Conference on Human, Architecture, Civil Engineering and City (ICOHACC 2015)
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 492
This Paper With 9 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICOHACC01_288
تاریخ نمایه سازی: 14 آذر 1394
Abstract:
در زمینه سازه های بتن آرمه مفاصل پلاستیک به عنوان مناطقی که در اعضای بتنی تحت تغییر شکل های غیر الاستیک بزرگ به شدت آسیب پذیر می باشند اشاره شده است.که توجه محققان زیادی را به خود جلب کرده است.درک رفتار و طول خاصی از مفصل پلاستیک نه تنها در طراحی ظرفیت تغییر شکل در اعضای خمشی بتن آرمه مهم است بلکه در مقاوم سازی سازه های موجود در معرض زلزله و در بازسازی سازه های قدیمی که از زلزله جان سالم بدر برده ولی آسیب دیده اند نیز موثر می باشد.شبکه های عصبی مصنوعی تا حدودی از مغز انسان الگوبرداری شده اند و همان گونه که مغز انسان می تواند با استفاده از تجربیات قبلی و مسائل از پیش یادگرفته، مسائل جدید را تحلیل و تجزیه نماید، شبکه های عصبی نیز در صورت آموزش قادرند بر مبنای اطلاعاتی که به ازای آن ها آموزش دیده اند، جواب های قابل قبول ارائه دهند و نیز می توان از آن ها به طور نامحدود در ارائه جواب به اطلاعاتی که قبلا با آن ها مواجه نبوده اند، استفاده نمود.در این کار نشان داده می شود که یک سیستم شبکه عصبی مصنوعی قادر به مدل سازی رفتار پیچیده ناحیه مفصل پلاستیک اعضای خمشی بتن آرمه است.این مدل ANN می تواند برای مطالعات پارامتری گسترده ناحیه مفصل پلاستیک در اعضای بتن آرمه استفاده شود که از آن می توان فرمولی برای طول مفصل پلاستیک بدست آورد.
Keywords:
Authors
الناز ملکی گجن
دانشجوی کارشناسی ارشد سازه، بخش مهندسی عمران، دانشگاه آزاد اسلامی واحد تبریز
سید آرش موسوی قاسمی
استادیار بخش مهندسی عمران، دانشگاه آزاد اسلامی واحد تبریز
امید رسولی
مدرس دانشگاه تبریز دانشکده فنی و مهندسی میانه
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 :