CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)
عنوان
مقاله

تشخیص خسارت در اتصالات پل های خرپایی با استفاده از داده­های استاتیکی به کمک شبکه های عصبی مصنوعی

اعتبار موردنیاز: ۱ | تعداد صفحات: ۸ | تعداد نمایش خلاصه: ۱۲۳۸ | نظرات: ۰
سرفصل ارائه مقاله: راه و پل سازی
سال انتشار: ۱۳۸۶
نوع ارائه: شفاهی
کد COI مقاله: NCCE03_134
زبان مقاله: فارسی
حجم فایل: ۱۸۷.۴۴ کلیوبایت (فایل این مقاله در ۸ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید. در پایگاه سیویلیکا عموما مقالات زیر ۵ صفحه فولتکست محسوب نمی شوند و برای خرید اینترنتی عرضه نمی شوند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود PDF مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۸ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳۰,۰۰۰ ریال

آدرس ایمیل خود را در زیر وارد نموده و کلید خرید با پرداخت اینترنتی را بزنید. آدرس ایمیل:

رفتن به مرحله بعد:

در صورت بروز هر گونه مشکل در روند خرید اینترنتی، بخش پشتیبانی کاربران آماده پاسخگویی به مشکلات و سوالات شما می باشد.

مشخصات نویسندگان مقاله تشخیص خسارت در اتصالات پل های خرپایی با استفاده از داده­های استاتیکی به کمک شبکه های عصبی مصنوعی

  ناصر خاجی - استادیار بخش عمران دانشکده فنی و مهندسی دانشگاه تربیت مدرس تهران
  محسن مهرجو - کارشناس ارشد مهندسی عمران- زلزله دانشگاه تربیت مدرس تهران

چکیده مقاله:

توسعه های اخیر در روش شبکه های عصبی مصنوعی راه حل جدیدی در مسائل مربوط به مهندسی عمران در پیش روی ما نهاده است. امروزه کاربرد شبکه های عصبی در مسائل متفائتی از جمله مسائل بهینه سازی، تحلیل، طراحی و تخمین پارامترهای سازه ای به کار می رود. مساله شناسایی آسیب بدون نیاز به تخریب سازه و با استفاده از پارامترهایی که قابل اندازه گیری هستند، توجه علاقمندان زیادی را در دهه های اخیر به خود جلب کرده است. برای این مسائل روشهای ریاضی مبتنی بر محاسبات سخت کارایی زیادی ندارند زیرا که نیاز به داده های خیلی دقیقی دارند، در صورتیکه داده های اندازه گیری معمولا با تقریب همراه می باشند. روش شبکه های عصبی مصنوعی به عنوان یک روش محاسباتی نرم، کارایی بهتری دراینگونه مسائل دارد چرا که نیاز به داده های اندازه گیری خیلی دقیق ندارد. این مقاله کاربرد شبکه عصبی پرسپترون چند لایه در کشف خسارت در سازه پلهای خرپای را با استفاده از تغییر مکانهای استاتیکی گرهی اندازه گیری شده ارائه می کند. در این تحقیق رایج ترین آسیب پلهای خرپایی، که در اتصالات آن رخ می دهد مورد مطالعه قرار گرفته است. خسارت را برای حالتهای مختلف در یک پل خرپایی ساده با نرم افزار المان محدود مدلسازی کرده و تغییر مکانهای استاتیکی آن تحت بار مرده روی آن استخراج شده است. آموزش شبکه عصبی با استفاده از این تغییر مکانهای استاتیکی به عنوان ورودی و خسارت اتفاق افتاده در نقاط مختلف سازه به عنوان خروجی انجام شده است. پس اط سعی و خطاهای زیاد به بهترین ساختار شبکه دست پیدا کرده و با استفاده از الگوهای آزمایشی تولید شده عملکرد شبکه آموزش دیده مورد ارزیابی قرار گرفته است. نتایج حاصل بیانگر پیش بینی مناسب خسارت در اتصالات پلهای خرپایی است.

کلیدواژه‌ها:

شناسایی خسارت ، روش شبکه های عصبی ، پلهای خرپایی ، خستگی

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-NCCE03-NCCE03_134.html
کد COI مقاله: NCCE03_134

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
خاجی, ناصر و محسن مهرجو، ۱۳۸۶، تشخیص خسارت در اتصالات پل های خرپایی با استفاده از داده­های استاتیکی به کمک شبکه های عصبی مصنوعی، سومین کنگره ملی مهندسی عمران، تبریز، دانشگاه تبریز، دانشکده فنی - مهندسی عمران، https://www.civilica.com/Paper-NCCE03-NCCE03_134.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (خاجی, ناصر و محسن مهرجو، ۱۳۸۶)
برای بار دوم به بعد: (خاجی و مهرجو، ۱۳۸۶)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 :

  • Ghaboussi, J. (1996). 4Biologically Inspired Soft Computing Methods in Structural ...
  • Doubling, S.W. and Farrar, C.R. (1997). *Using Statistical Analysis to ...
  • Assessment Toward Performance Control.6 Structural Damage؛ .(1997) 3- Faravelli, L. ...
  • Barai, S.V. and Pandey, P.C. (1997). *Time-Delay Neural Networks in ...
  • Yun, C. and Bahang, E. (1999).، $Substructural identification using neural ...
  • Chan, T., Li, X. and Ko, J. (2001). *Fatigue analysis ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز:
    تعداد مقالات: ۳۲۳۹۶
    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.

    مدیریت اطلاعات پژوهشی

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.