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

تعیین رفتار کمانشی و منحنی های طراحی اعضای فشاری با استفاده از شبکه عصبی

اعتبار موردنیاز: ۱ | تعداد صفحات: ۸ | تعداد نمایش خلاصه: ۱۳۶۴ | نظرات: ۰
سال انتشار: ۱۳۸۷
کد COI مقاله: NCCE04_726
زبان مقاله: فارسی
حجم فایل: ۷۸۷.۶۷ 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 تعیین رفتار کمانشی و منحنی های طراحی اعضای فشاری با استفاده از شبکه عصبی

  رامین بهرامی نژاد - کارشناس ارشد عمران، دانشگاه ارومیه
  محمدرضا شیدایی - استادیار بخش عمران، دانشگاه ارومیه، ارومیه

چکیده مقاله:

روشهای مختلفی برای بررسی کمانش اعضای فشاری وجود دارد، که در این میان می توان به روشهای تجربی نیمه تجربی فرم و همچنین روشهای عددی مبتنی بر نرم افزارهای المان محدود اشاره کرد. به کارگیری این روشها جهت تعیین رفتار کمانشی و پس کمانشی اعضای فشاری اغلب وقت گیر بوده و هر یک از انها دارای پیچیدگی خاصی می باشد. اخیرا به کارگیری شبکه عصبی در شاخه های مختلف علوم برای حل مسائل پیچیده مطرح گردیده است. اساس کار شبکه عصبی بر پایه اموزش همانند مغز انسان استوار است. شبکه عصبی یا چند دور آموزش، یک تابع کلی را بعنوان پاسخی برای مساله غیر خطی، که در این مساله رابطه بار تغییر مکان می باشد، ارائه می دهد. ورودی های شکبه عصبی که در این تحقیق به عنوان متغیر در نظر گرفته شده اند عبارت است از لاغری، ناکاملی اولیه و تغییر شکل محوری، داده هایی که در این مقاله جهت اموزش شبکه عصبی به کار رفته اند با استفاده از نرم افزار المان محدود به دست آمدهم اند. پس از اموزش شبکه عصبی، می توان رفتار کمانشی و پس کمانشی ستون ها را با استفاده از شبکه عصبی به دقت تخمین زد و نمودار بار – تغییر مکان را به ازای لاغری ها وناکاملی های مختلف بدست اورد. همچنین شبکه عصبی قادر است تا پس از اموزش، نمودار لاغزی – بار بحرانی ستون، که برای طراحی اعضای فشاری به کار می رود، را استخراج کند. این نمودار ها را می توان به ازای ناکاملی های اولیه مختلف استخراج کرد و از روی این نمودارها می توان محدوده رفتار غیر الاستیک عضو فشاری مورد نظر را تعیین کرد. در مقاله اخیر روش جدیدی مبتنی بر استفاده از شبکه عصبی برای بررسی رفتار کمانشی ستون و همچنین پیش بینی بار بحرانی کمانشی ستون بیان شده است.

کلیدواژه‌ها:

کمانش ، پس کمانش ، ستون ، شبکه عصبی ، عناصر محدود ، تحلیل غیر خطی ، تحلیل حساسیت

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-NCCE04-NCCE04_726.html
کد COI مقاله: NCCE04_726

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:
بهرامی نژاد, رامین و محمدرضا شیدایی، ۱۳۸۷، تعیین رفتار کمانشی و منحنی های طراحی اعضای فشاری با استفاده از شبکه عصبی، چهارمین کنگره ملی مهندسی عمران، تهران، دانشگاه تهران، https://www.civilica.com/Paper-NCCE04-NCCE04_726.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: (بهرامی نژاد, رامین و محمدرضا شیدایی، ۱۳۸۷)
برای بار دوم به بعد: (بهرامی نژاد و شیدایی، ۱۳۸۷)
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 :

  • -A.Mukherj ee, J. M. Deshpande, and J. Anmala، Prediction of ...
  • J. Chakrabarty (1987) *theory of plasticity ...
  • ABAQUS CAE version 6.5 finite element Analysis program ABAQUS, Inc. ...
  • Martin Hagan- Howard De muth-Mark Beal، Neural Network Design' ...
  • Lippman R. P. (1983)، An introduction to computing with neural ...
  • Rumelhart, D.E., and McClelland, J.L. (1986)، Parallel distributed processing, Vols. ...
  • دکتر محمود البرزی "آشنایی با شبکه های عصبی"موسسه انتشارات علمی ...
  • MATHLAB & SIMULINK version 7 service pack 3 1994-2006 The ...
  • Martin Hagan- Howard De muth-Mark Beal، Neural Network Design' ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز:
    تعداد مقالات: ۱۳۲۵۴
    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.