تحلیل حساسیت سیلوهای فولادی با نقص خوردگی تحت بار جانبی با استفاده از شبکه های عصبی بنیادی شعاعی
Publish place: National Congress of New Ideas in Engineering & Technology, Electrical & Computer Science
Publish Year: 1397
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 488
This Paper With 10 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
SETCO01_115
تاریخ نمایه سازی: 13 مهر 1397
Abstract:
پوسته های استوانه ای یکی از فراوان ترین و متنوع ترین فرم های سازه ای هستند که از جمله ی آنهامخازن و خطوط لوله تحت فشار، سیلوها و ... را می توان برشمرد. در پوسته های جدار نازک همواره فرضمی شود که ضخامت آنها نسبت به سایر ابعادشان مخصوصا انحنای پوسته، بسیار کوچک و همچنین تغییرشکل های ناشی از خمش و بارهای ثقلی نیز کمتر از ضخامت آنها باشد. به علت کم بودن ضخامت پوستهدر مقایسه با سایر ابعاد آن، اغلب کمانش به عنوان یک حالت حدی برای تحلیل پوسته ها محسوب میشود. از اینرو درک رفتار کمانش پوسته ها برای مقاصد طراحی ضروری است. به طور کلی در پوسته هایجدار نازک مهم ترین و معمول ترین شکل خرابی، کمانش پوسته است. نقص در پوسته ها می تواند یکیاز مهم ترین عوامل ایجاد کمانش در پوسته ها باشد. هدف از این پژوهش برآورد ظرفیت کمانش سیلوهایفولادی با نقص ناشی از خوردگی می باشد، متغیرهای این پژوهش نوع و دامنه نقص هستند. برای اینمنظور، از تحلیل های عددی استفاده شده است. سیلوهای مدل شده در نرم افزار ANSYS تحت اثر بار جانبی مورد بررسی قرار گرفتند. شبکه عصبی بنیادی شعاعی RBF برای پیش بینی ظرفیت کمانش پوسته های استوانه ای استفاده شد. نتایج این پژوهش نشان می دهد شبکه های عصبی مصنوعی ابزار مناسبی برای پیش بینی ظرفیت کمانش سیلوهای دارای نقص می باشند.
Keywords:
Authors
ناصر ابوطالب
دانشجوی کارشناسی ارشد دانشگاه آزاد اسلامی، واحد فومن
امین قربانی
عضو هییت علمی دانشگاه پیام نور رشت
مونا علیزاده گیاشی
مدرس دانشگاه غیرانتفاعی اندیشمند لاهیجان