ارزیابی عددی کاربرد شبکه های عصبی مصنوعی MLP در کنترل فعال سازه ها

Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 612

This Paper With 12 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:

ICSAU04_0745

تاریخ نمایه سازی: 11 مرداد 1396

Abstract:

سازه هایی با عملکرد بالا نیازمند محیطی عاری از ارتعاش و خطر تحریک هستند، لذا این قبیل سازه ها نیازمند رویکرد ساخت و الزامات طرح جدیدی می باشند. این الزامات طرح علاقه به استفاده از سیستم های کنترل فعال را ایجاد کرده است. سیستم کنترلی فعال وضعیت جاری سازه را کنترل می کند، تصمیم متناسب با وضعیت سازه را می گیرد و عمل مناسب را به سازه اعمال می کند. در این مقاله ارزیابی عددی کنترل فعال سازه ای با شبکه ی عصبی مصنوعی از نوع پرسپترون چند لایه (MLP) مورد بررسی قرار گرفته است. در پژوهش پیش رو کنترل فعال به صورت حلقه بسته با لحاظ پاسخ سازه ای صورت می گیرد. بدین منظور یک سازه ی پنج درجه ی آزادی درنظر گرفته شده و آموزش شبکه با لحاظ زلزله های منجیل، طبس و بم صورت گرفته و در نهایت، کارایی کنترل فعال با شبکه عصبی مصنوعی با سازه های بدون کنترل و کنترل غیر فعال مورد مقایسه و ارزیابی قرار گرفته است که نشان دهنده کارایی کنترل فعال با شبکه های عصبی مصنوعی می باشد.

Keywords:

شبکه های عصبی مصنوعی MLP , کنترل فعال , ساختار بهینه شبکه , معادلات حالت آنالیز تاریخچه زمانی

Authors

وحید شمسی

فارغ التحصیل کارشناسی ارشد مهندسی سازه، دانشگاه محقق اردبیلی

سید رضا الیاسی

دانشجوی کارشناسی ارشد مهندسی زلزله، دانشگاه محقق اردبیلی

پرویز احدی

عضو هیات علمی دانشگاه آزاد اسلامی، گروه عمران، واحد گرمی

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 :
  • لواسانی، ح. کنترل فعال ارتعاشات ساختمان‌های بلند در مقابل زلزله ...
  • Chung, L.L., Reinhorn, A.M., Soong, T.T., Experiments on active control ...
  • Coello, C.A., Van Veldhuizen, D.A., Lamont, G.B .Evolutionary algotithms for ...
  • Chang, C.C., Yang, H. T.Y.Control of building using active tuned ...
  • S. Pourzeynali, H.H. Lavasani, A.H. Modarayi, Active control of high ...
  • Dong Hyawn Kim, Dookie Kim, Seongkyu Chang, Hie-Young Jung, Active ...
  • Yang, N.J., Soong, T.T, Recent Advances in active control of ...
  • Suresh Thenozhi, Wen Yu, Advances in modeling and vibration control ...
  • Yu Tang, Active control of SDF systems using artificial neural ...
  • Simon Haykin. Neural network : A c omprehensive foundation, Prentice ...
  • Nueral networks toolbox Users guide, For use with Matlab, 1997. ...
  • Newland D.E. Random vibration: An introduction to random vibration, spectral ...
  • نمایش کامل مراجع