علی فتحی
علی اکبر آقاکوچک و غلامعلی منتظر
and Gh. A. Montazer

در اتصالات لوله ای جوشی زمانی که عمق ترک خستگی کمتر از ۲۰ درصد ضخامت جداره عضو اصلی است، رشد ترک بیش از هر چیز تحت اثر هندسه جوش در اتصال است. از این رو حل اتصال T شکل و ضریب بزرگنمایی جوش (Mk) ابزار مناسبی برای محاسبه سرعت رشد ترک در این محدوده اند. در این تحقیق توانایی شبکه های عصبی مصنوعی برای تعیین Mk در اتصالات T شکل مورد آزمون قرار گرفته است. چهار شبکه از نوع پرسپترون چندلایه (MLP) طراحی و آموزش داده شده اند تا مقادیر Mk را در عمیقترین نقطه ترک و نقاط انتهایی آنها تحت تنشهای غشایی و خمشی تخمین بزنند. داده های استفاده شده برای آموزش و آزمون شبکه ها از داده های معتبر اجزای محدود استخراج شده است. مقایسه بین نتایج به دست آمده از شبکه ها و جدیدترین روابط منتشر شده برای محاسبه Mk نشان دهنده قابلیت بالای شبکه-های عصبی برای استفاده در این زمینه است.

Tubular joint, Offshore platforms, Fatigue crack, Linear elastic fracture mechanics, Weld magnification factor, Artificial Neural Networks, : اتصالات لوله ای- سکوهای دریایی- ترک خستگی- مکانیک شکست الاستیک خطی- ضریب بزرگنمایی جوش- شبکه های عصبی مصنوعی