پیش بینی مقدار فرکانس پایه و بار بحرانی کمانش تیر ترک دار یک سر گیردار با استفاده از شبکه های عصبی مصنوعی

در این تحقیق از یک مدل شبکه عصبی مصنوعی پس انتشار خطا با یک لایه پنهان و الگوریتم آموزشی لونبرگ – مارکوارت و تابع کارآیی MSE برای پیش بینی فرکانس پایه (کوچکترین فرکانس طبیعی) و بار بحرانی کمانش در یک تیر ترک دار یک سر گیردار استفاده شده است. داده های تجربی مورد نیاز این شبکه عصبی از نتایج آزمایشگاهی تامین شده است. ابتدا داده های همه آزمایشات موجود به سه دسته داده های آموزش، داده های آزمون و داده های اعتبارسنجی به صورت تصادفی تقسیم شده است. سپس شبکه با تعداد مختلفی از نورون های لایه پنهان و به ازای توابع انتقال مختلف برای همه این داده ها به طور جداگانه آموزش داده شد و مدلی که دارای کمترین خطا در پیش بینی فرکانس پایه و بار بحرانی کمانش بود به عنوان مدل شبکه عصبی مطلوب انتخاب گردید. همچنین مقایسه ای بین نتایج شبکه عصبی با نتایج المان محدود صورت گرفت. در پایان نیز به عنوان نوآوری شبکه عصبی اثر موقعیت های مختلف ترک بر روی نسبت های فرکانس پایه و بار بحرانی کمانش بررسی گردیده است که در مقالات گذشته موجود نبوده است. مقایسه بین نتایج تجربی و شبکه عصبی نشان داد که شبکه آموزش داده شده می تواند مقادیر فرکانس پایه و باربحرانی کمانش تیر ترک دار یک سر گیردار را به خوبی پیش بینی نماید.

Keywords:

فرکانس پایه , بار بحرانی کمانش , شبکه های عصبی مصنوعی , الگوریتم لونبرگ- مارکوارت , تابع کارآیی , روش المان محدود .