عیب یابی سازه ها با استفاده از روش ماشین یادگیری مبتنی بر تابع کرنل مرکب اصلاح شده
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 563
فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICSAU04_0691
تاریخ نمایه سازی: 11 مرداد 1396
چکیده مقاله:
یکی از روش های عیب یابی در سازه ها استفاده از الگوریتم های مبتنی بر هوش مصنوعی می باشد از همین رو دراین تحقیق از الگوریتم هوش مصنوعی Extreme Learning Machine Based Kernel Function (KELM) استفادهشده که قابلیت شناسایی محل و شدت اسیب در اعضای سازه را دارا می باشد. ورودی این الگوریتم تغییرات فرکانسطبیعی ناشی ازکاهش سختی اعضا به منظور مدل سازی خرابی در سازه می باشد. همچنین برای بهبود عملکرد اینالگوریتم در روند عیب یابی یک تابع کرنل مرکب بهینه شده توسط الگوریتم اجتماع ذرات پیشنهاد شده است. جهتنشان دادن کارایی و دقت تابع کرنل پیشنهادی نسبت به سایر توابع کرنل، یک سازه خرپایی مورد بررسی قرار گرفتهاست که نتایج بیانگر دقت و کارایی بالاتر تابع کرنل مرکب پیشنهادی نسبت به سایر توابع کرنل می باشد.
کلیدواژه ها:
نویسندگان
سجاد حکیمی
دانشجوی کارشناسی ارشد سازه بخش مهندسی عمران دانشکده فنی و مهندسی دانشگاه شهید باهنر کرمان
پیمان ترکزاده
استادیار بخش مهندسی عمران دانشکده فنی و مهندسی دانشگاه شهید باهنر کرمان
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 :