عیب یابی سازه ها با استفاده از الگوریتم بهبود یافته ماشین یادگیری مبتنی بر تابع کرنل
Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 4,765
This Paper With 11 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CEUCONF04_126
تاریخ نمایه سازی: 10 تیر 1396
Abstract:
یکی از روش های عیب یابی در سازه ها استفاده از الگوریتم های مبتنی بر هوش مصنوعی می باشد از همین رو در این تحقیق از یکی از الگوریتم های هوش مصنوعی تحت عنوان Kernel Based Machine Learning Extreme(KELM (Function استفاده شده که قابلیت شناسایی محل و شدت اسیب در اعضای سازه را دارا می باشد. ورودی این الگوریتم تغییرات فرکانس طبیعی ناشی ازکاهش سختی اعضا به منظور مدل سازی خرابی در سازه می باشد. همچنین برای بهبود عملکرد این الگوریتم در روند عیب یابی از الگوریتم بهینه سازی رقابت استعماری(ICA (جهت تعیین تابع کرنل مناسب و بهینه سازی پارامتر های موجود در این الگوریتم استفاده شده است. برای مقایسه کارایی و دقت این روش با روش مشابه (ELM (Machine Learning Extreme که مبتنی بر تابع فعال سازی می باشد دو مثال مورد بررسی قرار گرفته است که نتایج بیانگر دقت بالاتر الگوریتم پیشنهادی (IKELM (KELM-ICA نسبت به الگوریتم ELM می باشد.
Keywords:
Authors
سجاد حکیمی
دانشجوی کارشناسی ارشد سازه بخش مهندسی عمران دانشکده فنی و مهندسی دانشگاه شهید باهنر کرمان
پیمان ترکزاده
استادیار بخش مهندسی عمران دانشکده فنی و مهندسی دانشگاه شهید باهنر کرمان
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 :