CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

کاربرد ANFIS در تشخیص خسارت دال های بتن پیش تنیده

اعتبار موردنیاز : ۱ | تعداد صفحات: ۱۱ | تعداد نمایش خلاصه: ۱۲۴ | نظرات: ۱
سال انتشار: ۱۳۹۵
کد COI مقاله: SECM01_201
زبان مقاله: فارسی
حجم فایل: ۱.۲۷ مگابات (فایل این مقاله در ۱۱ 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.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۱۱ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله کاربرد ANFIS در تشخیص خسارت دال های بتن پیش تنیده

  مهسا پهلوان مصوری - دانشجوی کارشناسی ارشد سازه، دانشکده مهندسی، دانشگاه فردوسی مشهد
    محمدرضا اصفهانی - استاد گروه عمران، دانشکده مهندسی، دانشگاه فردوسی مشهد

چکیده مقاله:

حضور ترک در یک سازه، اگر برای مدت زمان طولانی کشف نشود به شکست سیستم منجر می شود و ممکن است موجب از دست دادن زندگی و از دست دادن منابع شود. استفاده از پاسخ دینامیکی عضو یکی از روش هایی است که به طور گسترده ای برای تشخیص ترک در سامانه های مهندسی مختلف مورد استفاده قرار می گیرد. مقاله حاضر به شناسایی ترک های متعدد در دال های بتنی پیش تنیده با کمک تغییر در پارامترهای مودال می پردازد. برای این هدف، آزمایش مودال روی یک نمونه دال بتنی پیش تنیده بدون خسارت انجام شده است. داده های مودال دریافتی از این آزمایش به عنوان مرجع برای الگوی اجزای محدود دال درنظر گرفته شده اند. پس از راستی آزمایی الگوی اجزای محدود، سناریوهای خسارت های ساختگی برای پیدا کردن شاخص مناسب برای شناسایی خسارت ها مورد تحلیل و بررسی قرار گرفته اند. این شاخص بر اساس بسامد طبیعی، شکل مود، انرژی کرنشی و سیستم استنتاج تطبیقی فازی عصبی (ANFIS) به دست آمده است. مقایسه و بررسی روش های مورد بحث و بررسی انواع ورودی ها و آموزش برای روش ANFIS، نشان می دهد در سیستم پیشنهادی ANFIS نوع آموزش و ورودی های داده شده به آن تاثیر زیادی در تشخیص دارد و این روش دقت بالاتری نسبت به روش های کلاسیک داشته و در صورت آموزش مناسب و پایگاه داده ای کافی می تواند مکان و شدت آسیب را به درستی تعیین کند. در مواردی که پایگاه داده کافی نباشد، ترکیب این روش با شاخص هایی مانند انرژی کرنشی مودال، این مشکل را رفع و روند آموزش و تشخیص را تسریع می کند.

کلیدواژه‌ها:

خسارت، داده های مودال، دال بتنی پیش تنیده، بسامد طبیعی

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-SECM01-SECM01_201.html
کد COI مقاله: SECM01_201

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:
پهلوان مصوری, مهسا و محمدرضا اصفهانی، ۱۳۹۵، کاربرد ANFIS در تشخیص خسارت دال های بتن پیش تنیده، اولین کنفرانس ملی پژوهش های کاربردی در مهندسی عمران (مهندسی سازه و مدیریت ساخت)، تهران، دانشگاه صنعتی شریف، https://www.civilica.com/Paper-SECM01-SECM01_201.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: (پهلوان مصوری, مهسا و محمدرضا اصفهانی، ۱۳۹۵)
برای بار دوم به بعد: (پهلوان مصوری و اصفهانی، ۱۳۹۵)
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 :

  • Cornwell, Pillp, Scott W. Doebling, and Charles R. Farrar. "Application ...
  • Jang, J-SR. "ANFIS: ad a ptive- n etwork-based fuzzy inference ...
  • Jang, Jyh-Shing Roger, Chuen-Tsai Sun, and Eiji Mizutani. "Neuro-fuzzy and ...
  • Jang, J-SR. "ANFIS: ad a ptive- n etwork-based fuzzy inference ...
  • Lin, Chin-Teng, and C. S. Lee. Neural fuzzy systems: a ...
  • Hamidian, D., and S. M. Seyedpoor. "Shape optimal design of ...
  • Kumar, S., and F. Taheri. "Neuro-fuzzy approaches for pipeline condition ...
  • Sugeno, Michio. Industrial applications of fuzzy control. Elsevier Science Inc., ...
  • Zheng, Shi-jie, Zheng-qiang Li, and Hong-tao Wang. "A genetic fuzzy ...
  • Yazdi, A. Kamali, and A. Shooshtari. "Analysis of cracked truss ...
  • Yazdi, A. Kamali, and A. Shooshtari. "A new two-d imensional ...
  • علم سنجی و رتبه بندی مقاله

    3.0
    ۱ تعداد پژوهشگران نظر دهنده
    5 0
    4 0
    3 1
    2 0
    1 0
    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: ۲۳۹۴۸
    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.