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

DAMAGE DETECTION OF BRIDGE STRUCTURES FROM DYNAMIC RESPONSES USING NEURAL NETWORKS

اعتبار موردنیاز: ۱ | تعداد صفحات: ۸ | تعداد نمایش خلاصه: ۱۷۹۳ | نظرات: ۰
سرفصل ارائه مقاله: Special Structures
سال انتشار: ۱۳۸۶
کد COI مقاله: SEE05_499
زبان مقاله: انگلیسی
حجم فایل: ۳.۹ مگابات (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 DAMAGE DETECTION OF BRIDGE STRUCTURES FROM DYNAMIC RESPONSES USING NEURAL NETWORKS

   Khaji - Assistant Professor, Dept. of Civil Engineering, Tarbiat Modares University
   Mehrjoo - MSc in Earthquake Engineering, Dept. of Civil Engineering, University Tarbiat Modares University

چکیده مقاله:

Recent developments in Artificial Neural Networks (ANNs) have opened up new possibilities in the domain of inverse problems. For inverse problems like structural identification of large structures (such as bridges) where in-situ measured data are expected to be imprecise and often incomplete, the ANNs hold greater promise. This study presents a method for estimating the damage intensities of joints for truss bridge structures using a back-propagation based neural network. The technique that has employed to overcome the issues associated with many unknown parameters in a large structural system is the substructural identification. The natural frequencies and mode shapes are used as input parameters to the neural network for damage identification, particularly for the case with incomplete measurements of the mode shapes. Numerical example analyses on a real truss bridge are presented to demonstrate the accuracy and efficiency of the proposed method.

کلیدواژه‌ها:

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-SEE05-SEE05_499.html
کد COI مقاله: SEE05_499

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:
Khaji, & Mehrjoo, ۱۳۸۶, DAMAGE DETECTION OF BRIDGE STRUCTURES FROM DYNAMIC RESPONSES USING NEURAL NETWORKS, پنجمین کنفرانس بین المللی زلزله شناسی و مهندسی زلزله, تهران, پژوهشگاه بین المللی زلزله شناسی و مهندسی زلزله, https://www.civilica.com/Paper-SEE05-SEE05_499.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: (Khaji, & Mehrjoo, ۱۳۸۶)
برای بار دوم به بعد: (Khaji & Mehrjoo, 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 :

  • Barai, S. V., and P. C. Pandey, 1997. Time-delay neural ...
  • Chan, T., X. Li, and J. Ko, 2001. Fatigue analysis ...
  • Chan, T. H., Y. Q. Ni, and J. M. Ko, ...
  • Chen, D., and W. J. Wang, 2002. Classification of wavelet ...
  • Doebling, S. W., C. R. Farrar, and M. B. Prime, ...
  • Doebling, S. W., C. R. Farrar, M. B. Prime, and ...
  • Faravelli, L., and A. A. Pisano, 1997. Damage assessment toward ...
  • Ghaboussi, J., and X. Wu, 1998. Soft computing with neural ...
  • Koh, C. G., Y. F. Chen, and C. _ Y. ...
  • Koh, C. G., B. Hong, and C. Y. Liaw, 2003. ...
  • Koh, C. G., L. M. See, and T. Balendra, 1991. ...
  • Mehrotra, K., 1997. Elements of artificial neural networks, The M.I.T ...
  • Oreta, A. W. C., and T. - A. Tanabe, 1994. ...
  • Rumelhart, D. E., and J. L. McClelland, 1986. Parallel Distributed ...
  • Tanaka, M., and H. D. Bui, 1994. Inverse Problems in ...
  • Yun, C. B., and H. - J. Lee, 1997. Substructural ...
  • 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.