رامین قیاسی - دانشجوی دکتری مهندسی عمران و مدرس دانشگاه آزاد اسلامی واحد خواف، دانشگاه سیستان و بلوچستان، زاهدان، ایران
محمد رضا قاسمی - دانشیار گروه مهندسی عمران دانشگاه سیستان و بلوچستان، دانشگاه سیستان و بلوچستان، زاهدان، ایران
یاسر بینایی - دانشجوی دکترای مهندسی کامپیوتر و مدرس دانشگاه آزاد اسلامی واحد خواف ، دانشگاه آزاد اسلامی واحد فردوس، فردوس، ایران
حمید رضا غفاری - استادیار گروه مهندسی کامپیوتر دانشگاه آزاد فردوس، دانشگاه آزاد اسلامی واحد فردوس، فردوس، ایران

امروزه استفاده از الگوریتم های مبتنی بر هوش مصنوعی در زمینه عیب یابی سازه ها مورد توجه بسیاری از محققین قرار گرفته است. در این تحقیق جهت تشخیص عیوب چندگانه در سیستم های سازه ای، چهار الگویتم هوش مصنوعی درون یاب مورد مقایسه قرار گرفته است . بدین منظور ، از الگوریتم های ماشین بردار پشتیبان حداقل مربعات(LS-SVM) سیستم استنتاج فازی عصبی تطبیقی، (ANFIS)، شبکه عصبی تابع بنیادی شعاعی (RBFNN) و بزرگترین مرز نزدیکترین همسایگی (LMNN) برای طراحی سیستم عیب یابی هوشمند سازه ها استفاده شده است. وظیفه سیستم عیب یاب، شناسایی محل و میزان آسیب در سازه ها می باشد. آسیب در سازه ها توسط کاهش سختی مدل شده و همچنین از تغییرات فرکانس های سازه به عنوان ورودی سیستم عیب یاب استفاده می گردد.. به منظور ارزیابی عملکرد روش پیشنهادی، مثالهای عددی حل شده و نتایج بیانگر دقت بیشتر LS-SVM نسبت به سایر الگوریتم های مورد بررسی در این پژوهش جهت عیب یابی سازه ها می باشد.

عیب یابی ساز هها ، الگوریتم LS-SVM ، الگوریتم ANFIS ، شبکه عصبی RBF ، الگوریتم LMNN