تعیین فرکانس طبیعی تیرهای فولادی دوسرگیردار با استفاده از شبکه TLRNs
سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 901
فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ISSS05_062
تاریخ نمایه سازی: 1 آذر 1394
چکیده مقاله:
شبکه (Time lagged recurrent networks (TLRNs) یک شبکه عصبی مصنوعی توسعه یافته با ساختارحافظه کوتاه مدت زمانی می باشد ، به دلیل اینکه بیشتر داده ها در دنیای واقعی تابع متغیر زمان می باشند به همین منظور از این شبکه برای مدلهایی که پیش بینی در آنها به صورت سریهای زمانی غیرخطی می باشند استفادهمی گردد. بدلیل پرهزینه بودن آزمایشات مربوط به نمونه برداری در آزمایشگاه ها و همچنین کالیبره نشدن مدلهایمحاسباتی و پیچیدگی این مدلها و پیشرفت روزافزون کاربرد مدلهای کامپیوتری در سالهای اخیر، استفاده از مدل های شبیه سازی برای تعیین فرکانس مدها در سازه رونق یافته است و شبکه TLRNs نمونه بارز از این مدلها می باشند. در این مقاله از 100 نمونه با خصوصیات مختلف استفاده شده است ، که فرکانس تمامی نمونه ها با استفاده از تحلیل دینامیکی و روش اجزاء محدود به دست آمده است . شبکه مورد استفاده در این تحقیق ، شبکه TLRNs می باشد. بدین منظور پارامترهای طول تیر ، ممان اینرسی ، مقدار بار روی تیر به عنوان ورودی در نظر گرفته شده و بااستفاده از این مدل مقدار فرکانس مد اول در تیرهای فولادی دوسرگیردار محاسبه می گردد. برای ارزیابی سیستم آن را با مدل (Feed Forward (FF مقایسه می گردد ، نتایج نشان می دهد که شبکه TLRNs که وزنهای آن با الگوریتم ژنتیک بهینه شده است نسبت به شبکه Feed Forward توانایی ، انعطاف پذیری و دقت مناسبی در تعیین فرکانس طبیعی تیرهای فولادی دوسرگیردار برخوردار می باشد.
کلیدواژه ها:
نویسندگان
سیدعبدالنبی رضوی
دانشگاه آزاد اسلامی واحد آبادان، آبادان، ایران- نویسنده مسئول
مهدی نیکو
دانشگاه آزاد اسلامی واحد اهواز، باشگاه پژوهشگران و نخبگان، اهواز، ایران
محمد نیکو
آموزشکده فنی و حرفه ای سما، دانشگاه آزاد اسلامی واحد اهواز، اهواز، ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :