Publisher of Iranian Journals and Conference Proceedings

Please waite ..
CIVILICAWe Respect the Science
Publisher of Iranian Journals and Conference Proceedings
عنوان
Paper

Buckling Analysis of Cracked Composite Aluminum Column Using Neural Network

تعداد صفحات: 1 | تعداد نمایش خلاصه: 84 | نظرات: 0
سال انتشار: 1397
کد COI Paper: IIAC05_013
زبان Paper: Englishglish
نسخه کامل Paper در کنفرانس ارائه نشده است و در دسترس نیست.

مشخصات نویسندگان Paper Buckling Analysis of Cracked Composite Aluminum Column Using Neural Network

A Nezam Abadi - Assistant Prof, Department of Mechanical Engineering, Islamic Azad University, Arak Branch, Arak, Iran
M Nasrollahi - Assistant Prof, Department of Mechanical Engineering, Islamic Azad University, Arak Branch, Arak, Iran
I Kalantari - Assistant Prof, Department of Mechanical Engineering, Islamic Azad University, Arak Branch, Arak, Iran

چکیده Paper:

Acquiring bucking critical load by the means of complex equations which is expecting to be finally solved by proving or eliminating various parameters via numerical or analytical methods is exclusively limiting our freedom to alter problem‘s variables. We designed a neural network to model bucking of a cracked composite aluminum. Network training data (inputs and outputs) is obtained from analytical calculations. To train the network, Levenberg-Marquardt algorithm has been used. Then the network is tested using the crack angle, crack depth, fiber volume and crack place as input variables. Hence a neural network can be used to analyze this type of bucking process and represent respective inputs which determine problem condition in order to produce output network which is the same critical load. The network manufactured for this process is a three-layer perceptron network (with a hidden layer) with an error back propagation rule. To implement this network, MATLAB software has also been used. Researches show that only three layers are needed; it has been verified that the three-layer perceptron with Sigmoid Output Function are comprehensive approximations. These perceptron can be trained for the approximation of any kind of function in which the accuracy of the applied approximation depends on the number of neurons in the hidden layer.

کلیدواژه ها:

Bucking, Perceptron, Error Back Propagation, Neural Network, Composite Column, Levenberg-Marquardt Algorithm

کد Paper/لینک ثابت به این Paper

برای لینک دهی به این Paper می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت Paper در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/897742/

کد COI Paper: IIAC05_013

نحوه استناد به Paper:

در صورتی که می خواهید در اثر پژوهشی خود به این Paper ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
undefined, undefined و undefined, undefined و undefined, undefined,1397,Buckling Analysis of Cracked Composite Aluminum Column Using Neural Network,پنجمین کنفرانس بین المللی آلومینیوم ایران,Tehran,,,https://civilica.com/doc/897742

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این Paper اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1397, Nezam Abadi, A؛ M Nasrollahi و I Kalantari)
برای بار دوم به بعد: (1397, Nezam Abadi؛ Nasrollahi و Kalantari)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

Research Info Management

Certificate | Report Paper

Export Citation info of this Paper to research management softwares

علم سنجی و رتبه بندی Paper

مشخصات مرکز تولید کننده این Paper به صورت زیر است:
نوع مرکز: azad university
تعداد مقالات: 6,304
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

New RelatedPapers

Share this paper

WHAT IS COI?

COI is a national code dedicated to all Iranian Conference and Journal Papers. the COI of each paper can be verified online.

Support