تشخیص خرابی سازه تیر ساخته شده با مواد فلزی
- سال انتشار: 1401
- محل انتشار: دومین کنفرانس بین المللی کاربرد مواد و ساخت پیشرفته در صنایع
- کد COI اختصاصی: IAAMM02_120
- زبان مقاله: فارسی
- تعداد مشاهده: 288
نویسندگان
دانشکده فنی علامه حسن زاده آملی(ره)، دانشگاه فنی و حرفه ای
دانشکده فنی علامه حسن زاده آملی(ره)، دانشگاه فنی و حرفه ای
دانشکده فنی علامه حسن زاده آملی(ره)، دانشگاه فنی و حرفه ای
دانشکده فنی امام محمدباقر(ع) ساری، دانشگاه فنی و حرفه ای استان مازندران
دانشکده فنی علامه حسن زاده آملی(ره)، دانشگاه فنی و حرفه ای
چکیده
با توجه به اهمیت جلوگیری از خرابی های غیرمنتظره سازه ای، روش های تشخیص آسیب مبتنی بر ارتعاش به طور گسترده ای برای نظارت بر سلامت سازه های مختلف مورد مطالعه قرار گرفته است. این روش ها به عنوان تکنیک های غیر مخرب کارآمد و قابل اعتماد برای تشخیص آسیب سازه ها محسوب می شوند. در این مطالعه، یک مدل جدید برای پیش بینی شدت آسیب در سازه های تیرچه مانند بر اساس روش اجزای محدود (FEM) و شبکه عصبی پرسپترون چند لایه (MLP) توسعه داده شده است. به این ترتیب داده های تجربی با استفاده از FEM به دست می آیند، سپس از شبکه عصبی MLP برای پیش بینی شدت آسیب استفاده می شود. پنج فرکانس اول و شدت آسیب تیرچه به ترتیب به عنوان ورودی و خروجی شبکه عصبی در نظر گرفته می شوند. بر اساس ورودی ها و خروجی ها، شبکه یک تابع فعال سازی غیرخطی ایجاد می کند و برای پیش بینی شدت آسیب آموزش دیده است. نتایج به دست آمده نشان می دهد که مدل ایجاد شده توسط شبکه می تواند با داشتن فرکانس های طبیعی تیرچه آسیب دیده، هر گونه آسیب تک آسیب را در سازه های تیر مانند با دقت بالا (R> ۰.۹) تشخیص دهد.کلیدواژه ها
تشخیص آسیب، سازه های تیرچه مانند، روش اجزای محدود، پرسپترون چند لایه، سازه های آسیب دیده.مقالات مرتبط جدید
- فعالیت الکترو کاتالیزوری بهبود بافته نانوذرات پلاتین آهن نیکل اکسید در بستر گرافن اکسید کاهش بافته و کیتوزان برای الکترواکسیداسیون اتانول
- تولید و مشخصه بابی پوشش هیبربدی Ni-P/Ni-P-Al۲O۳/Ni-P-SiC به روش الکترولس
- مدلسازی فرایند جداسازی آب از نفت خام با استفاده از تعلیق شکن طبیعی برگ نیلوفر آبی با بکارگیری تکنیک ANFIS
- پیش بینی چگالی گاز طبیعی با استفاده از ظرفیت گرمابی ویژه گاز در فشار ثابت به کمک تکنیک هوش مصنوعی بیان ژنی
- تاثیر ذرات تقویت کننده بر روی خواص مکانیکی آلیاژهای آنتروپی بالا
اطلاعات بیشتر در مورد 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.