عیب یابی پلهای فلزی با استفاده از الگوریتمهای ماشین بردار پشتیبان حداقل مربعات و شبکه عصبی تابع بنیادی شعاعی

سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 567

فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICSAU02_0572

تاریخ نمایه سازی: 16 خرداد 1394

چکیده مقاله:

نظارت بر سلامت سازه های عمرانی و تشخیص آسیب های آن در مراحل اولیه، یکی از موضوعات مورد توجه همیشگی بوده است. . از آنجا که پلها از مهمترین اجزای راههای ارتباطی هر کشوری هستند لذا کنترل و مراقبت از این سازه های استراتژیک امری بسیار مهم بوده و در این راستا استفاده از روش های مدرن گامی نو و بسیار مهم است. در این تحقیق، از روش ماشین بردار پشتیبان حداقل مربعات (LS-SVM) برای طراحی سیستم عیب یابی هوشمند پلها استفاده شده است. وظیفه سیستم عیب یاب، شناسایی محل و میزان آسیب ها در پل می باشد. آسیب در سازه ها توسط کاهش سختی مدل شده و شاخص خرابی مبتنی بر تفاوت مد شکل سازه قبل و بعد از خرابی به عنوان ورودی سیستم عیب یاب استفاده میشود. برای مقایسه کارایی سیستم مبتنی بر LS-SVM نتایج حاصله از آن با سیستم مشابه مبتنی بر شبکه عصبی تابع بنیادی شعاعی (RBFNN) مقایسه شده است. نتایج بیانگر دقت بیشتر LS-SVM نسبت به شبکه عصبی RBF در عیب یابی پلهای فلزی می باشد.

کلیدواژه ها:

عیب یابی پلها ، تفاوت مد شکل ، شدت و مکان خرابی ، ماشین بردار پشتیبان حداقل مربعات ، شبکه عصبی

نویسندگان

بهاره سعادتی

دانشجو کارشناسی ارشد سازه، بخش عمران، دانشگاه صنعتی شاهرود، شاهرود

علی کیهانی

استادیار دانشکده عمران و معماری دانشگاه صنعتی شاهرود

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 :
  • J. J. Lee, J. W. Lee, J. H. Yi, C. ...
  • J. J. Lee and C. B Yun, Damage diagnosis of ...
  • K.-C. Chang, C.-W. Kim, and M. Kawatani, Feasibility investigation for ...
  • I. Talebinejad, H. Sedarat, A. Emami-Naein, A. Krimotat, and J. ...
  • VAPNIK, V. Statistical learning theory. New York: Wiley, 1998. ...
  • N.Cristianini, J. Shawe-Taylor, An Introduction to Support Vector Machines and ...
  • M. Farooq, H. Zheng, a. Nagabhushana, S. Roy, S. Burkett, ...
  • Wasserman PD Advanced Method in Neural Computing, Prentice Hal Company, ...
  • Fausett L, Fundamental of Neural Networks, Prentice Hal Company, New ...
  • Suykens JAK, Vandewalle J "Least Squares Support Vector Machine Classifiers, ...
  • S. S. Keerthi, S. Sundararajan, K.-W. Chang, C.-J. Hsieh, and ...
  • Suykens JAK, Brabanter J De, Lukas L, Vandewalle J, De ...
  • نمایش کامل مراجع