کاربرد ANFIS در تشخیص خسارت دال های بتن پیش تنیده

Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 667

This Paper With 11 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:

SECM01_201

تاریخ نمایه سازی: 6 اردیبهشت 1396

Abstract:

حضور ترک در یک سازه، اگر برای مدت زمان طولانی کشف نشود به شکست سیستم منجر می شود و ممکن است موجب از دست دادن زندگی و از دست دادن منابع شود. استفاده از پاسخ دینامیکی عضو یکی از روش هایی است که به طور گسترده ای برای تشخیص ترک در سامانه های مهندسی مختلف مورد استفاده قرار می گیرد. مقاله حاضر به شناسایی ترک های متعدد در دال های بتنی پیش تنیده با کمک تغییر در پارامترهای مودال می پردازد. برای این هدف، آزمایش مودال روی یک نمونه دال بتنی پیش تنیده بدون خسارت انجام شده است. داده های مودال دریافتی از این آزمایش به عنوان مرجع برای الگوی اجزای محدود دال درنظر گرفته شده اند. پس از راستی آزمایی الگوی اجزای محدود، سناریوهای خسارت های ساختگی برای پیدا کردن شاخص مناسب برای شناسایی خسارت ها مورد تحلیل و بررسی قرار گرفته اند. این شاخص بر اساس بسامد طبیعی، شکل مود، انرژی کرنشی و سیستم استنتاج تطبیقی فازی عصبی (ANFIS) به دست آمده است. مقایسه و بررسی روش های مورد بحث و بررسی انواع ورودی ها و آموزش برای روش ANFIS، نشان می دهد در سیستم پیشنهادی ANFIS نوع آموزش و ورودی های داده شده به آن تاثیر زیادی در تشخیص دارد و این روش دقت بالاتری نسبت به روش های کلاسیک داشته و در صورت آموزش مناسب و پایگاه داده ای کافی می تواند مکان و شدت آسیب را به درستی تعیین کند. در مواردی که پایگاه داده کافی نباشد، ترکیب این روش با شاخص هایی مانند انرژی کرنشی مودال، این مشکل را رفع و روند آموزش و تشخیص را تسریع می کند.

Keywords:

خسارت , داده های مودال , دال بتنی پیش تنیده , بسامد طبیعی

Authors

مهسا پهلوان مصوری

دانشجوی کارشناسی ارشد سازه، دانشکده مهندسی، دانشگاه فردوسی مشهد

محمدرضا اصفهانی

استاد گروه عمران، دانشکده مهندسی، دانشگاه فردوسی مشهد

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 :
  • Cornwell, Pillp, Scott W. Doebling, and Charles R. Farrar. "Application ...
  • Jang, J-SR. "ANFIS: ad a ptive- n etwork-based fuzzy inference ...
  • Jang, Jyh-Shing Roger, Chuen-Tsai Sun, and Eiji Mizutani. "Neuro-fuzzy and ...
  • Jang, J-SR. "ANFIS: ad a ptive- n etwork-based fuzzy inference ...
  • Lin, Chin-Teng, and C. S. Lee. Neural fuzzy systems: a ...
  • Hamidian, D., and S. M. Seyedpoor. "Shape optimal design of ...
  • Kumar, S., and F. Taheri. "Neuro-fuzzy approaches for pipeline condition ...
  • Sugeno, Michio. Industrial applications of fuzzy control. Elsevier Science Inc., ...
  • Zheng, Shi-jie, Zheng-qiang Li, and Hong-tao Wang. "A genetic fuzzy ...
  • Yazdi, A. Kamali, and A. Shooshtari. "Analysis of cracked truss ...
  • Yazdi, A. Kamali, and A. Shooshtari. "A new two-d imensional ...
  • نمایش کامل مراجع