تعیین موقعیت ترک در تیر ترکدار تیموشنکو با استفاده از رفتار ارتعاشی به کمک شبکه عصبی

سال انتشار: 1390
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,415

متن کامل این مقاله منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل مقاله (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ISME19_428

تاریخ نمایه سازی: 2 اردیبهشت 1390

چکیده مقاله:

در کار حاضر موقعیت و عمق ترک با معلوم بودن فرکانس های طبیعی و استفاده از شبکه عصبی به دست می آیند. در مدل تیر مورد بررسی فقط یک ترک در نظر گرفته شده که تیر بر اساس مدل تیر تیموشنکو مدل شده است. برای این منظور، ابتدا با استفاده از معادلات حاکم بر تیر ترک دار، فرکانس های طبیعی برای موقعیت های مختلف طولی و عمق های ترک مختلف تعیین شده تاداده های لازم جهت آموزش شبکه عصبی فراهم شوند. سپس به طور معکوس، باتعیین فرکانس های طبیعی به عنوان ورودی و موقعیت وعمق ترک به صورت خروجی، شبکه عصبی آموزش خواهد دید.تاثیر تعداد مودهای فرکانس های ورودی به شبکه، روی دقت پیش بینی ارزیابی خواهد شد. نتایج و میزان خطاها نشان می دهد که شبکه عصبی روش مناسبی جهت تعیین موقعیت و عمق ترک بوده وهمچنین دقت پیش بینی با افزایش مودهای فرکانس طبیعی افزایش می یابد.

نویسندگان

محمد رکیده

بابل، خیابان دکتر شریعیت، دانشگاه صنعتی نوشیروانی بابل

مرتضی دردل

بابل، خیابان دکتر شریعیت، دانشگاه صنعتی نوشیروانی بابل

محمدهادی پاشایی

بابل، خیابان دکتر شریعیت، دانشگاه صنعتی نوشیروانی بابل

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 :
  • D. Babot, G. Berodias and G. Peix. Detection and sizing ...
  • Mohammad- Tagh i Vaki I-Baghmishehe, ...
  • Peimani, Morteza Homayoun Sadeghi, Mir Mohammad Ettefagh. Crack detection in ...
  • H. Nahvi, M. Jabbari. Crack detection in beams using experimental ...
  • _ P. Nandwana, S. K. Maiti. Modeling of vibration of ...
  • Shuncong Zhong, S. Olutunde Oyadiji, Crack detection in simply supported ...
  • A P. F. Rrzos AND N. Aspragathos, Identification of crack ...
  • N. Khaji, M. Shafiei, M. Jalalpour., Closed-form solutions for crack ...
  • Haykin S. Neural networks. New York: MacMillan, ...
  • نمایش کامل مراجع