بررسی پدیده خستگی به کمک شبکه عصبی مصنوعی و فرایندهای تصادفی وینر و گوسی
- سال انتشار: 1403
- محل انتشار: سومین کنفرانس بین المللی مهندسی برق، کامپیوتر، مکانیک و تکنولوژی های نوین مرتبط با هوش مصنوعی
- کد COI اختصاصی: ENGTEC03_027
- زبان مقاله: فارسی
- تعداد مشاهده: 230
نویسندگان
دانشگاه صنعتی امیرکبیر
چکیده
یادگیری عمیق DL، زیرمجموعه ای از رویکردهای یادگیری ماشین، به عنوان یک ابزار کاربردی جهت بررسی مقادیر زیادی از داده های ناهمگن و ارائه پیش بینی های قابل اعتماد از فرایندهای پیچیده و نامفهومظاهر شده است. امروزه مطالعات گسترده ای در زمینه روش های نمونه برداری، روش های مبتنی بر یادگیری ماشین ML، و یادگیری عمیق با استفاده از شبکه های عصبی مصنوعی ANN ، جهت تشخیص عیوب و نواقص صورت گرفته است.امروزه با استفاده از روش های پایش سلامت سازه می توان به موقع پدیده خستگی در قطعات را شناسایینمود، و در این صورت میتوان راحت تر به تعمیر و تعویض قسمت آسیب دیده در اثر پدیده خستگی واقدامات اصلاحی پرداخت و اگر مدت زمان بین نشانه های بروز آسیب در سازه و وضعیت بحرانی سازه موردبررسی کوتاه باشد؛ در آن صورت عملیات برنامه ریزی تعمیر و نگهداری و استقرار تجهیزات لجستیک وبازیابی قطعات به درستی و به موقع صورت نمی گیرد و موجب خسارات جبران ناپذیری به سازه می گردد وممکن است سازه دچار آسیب جدی یا از کارافتادگی گردد و مراحل مختلف فرایند پایش سلامت سازهشامل جمع آوری اطلاعات و داده، شناسایی عیب و نقص در سازه، پیش بینی روند گسترش آسیب وتصمیم سازی می باشد و روش های پیش بینی آسیب به دو دسته کلی روش های بر پایه داده و اطلاعاتبه دست آمده از سازه تحت پایش و روشهای بر پایه مدل فیزیکی سیستم تحت پایش میتوان تقسیم بندینمود.کلیدواژه ها
فرایند تصادفی وینر، فرایند تصادفی گوسی، شبکه عصبی مصنوعی، خستگی، پایش سلامت سازهمقالات مرتبط جدید
- طراحی یک شبکه هوشمند مبتنی بر بلاکچین و ارزیابی مزایای آن در صنعت فولاد
- تفکیک حالات صورت با استفاده از سیگنال الکترومایوگرافی تک کاناله و شبکه عصبی مصنوعی
- بررسی اثر سینامالدهید بر انعقاد خون با استفاده از داکینگ مولکولی
- طراحی و ساخت دستگاه تنفسی هوشمند چندمنظوره نانواسپیرو با قابلیت پایش، تحلیل هوش مصنوعی و اکسیژن درمانی پیوسته
- طراحی مدل ریاضی برای زنجیره تامین گردشگری کشاورزی مطالعه موردی استانهای شمالی ایران
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.