عنوان : ( کاربرد ANFIS در تشخیص خسارت دالهای بتن پیشتنیده )
نویسندگان: مهسا پهلوان مصوری , محمدرضا اصفهانی ,بر اساس تصمیم نویسنده مقاله دسترسی به متن کامل برای اعضای غیر دانشگاه ممکن نیست
چکیده
حضور ترک در یک سازه، اگر برای مدتزمان طولانی کشف نشود به شکست سیستم منجر میشود و ممکن است موجب از دست دادن زندگی و از دست دادن منابع شود. استفاده از پاسخ دینامیکی عضو یکی از روشهایی است که بهطور گستردهای برای تشخیص ترک در سامانههای مهندسی مختلف مورداستفاده قرار میگیرد. مقاله حاضر به شناسایی ترکهای متعدد در دالهای بتنی پیشتنیده با کمک تغییر در پارامترهای مودال میپردازد. برای این هدف، آزمایش مودال روی یک نمونه دال بتنی پیشتنیده بدون خسارت انجام شده است. دادههای مودال دریافتی از این آزمایش به عنوان مرجع برای الگوی اجزای محدود دال در نظر گرفته شدهاند. پس از راستی آزمایی الگوی اجزای محدود، سناریوهای خسارتهای ساختگی برای پیدا کردن شاخص مناسب برای شناسایی خسارتها مورد تحلیل و بررسی قرارگرفتهاند. این شاخص بر اساس بسامد طبیعی، شکل مود، انرژی کرنشی و سیستم استنتاج تطبیقی فازی عصبی (ANFIS)به دست آمده است. مقایسه و بررسی روشهای مورد بحث و بررسی انواع ورودیها و آموزش برای روش ANFIS، نشان میدهد در سیستم پیشنهادی ANFIS نوع آموزش و ورودیهای دادهشده به آن تأثیر زیادی در تشخیص دارد و این روش دقت بالاتری نسبت به روشهای کلاسیک داشته و در صورت آموزش مناسب و پایگاه دادهای کافی میتواند مکان و شدت آسیب را به درستی تعیین کند. در مواردی که پایگاه داده کافی نباشد، ترکیب این روش با شاخصهایی مانند انرژی کرنشی مودال، این مشکل را رفع و روند آموزش و تشخیص را تسریع میکند.
کلمات کلیدی
, خسارت, دادههای مودال, دال بتنی پیشتنیده, بسامد طبیعی.@inproceedings{paperid:1060862,
author = {پهلوان مصوری, مهسا and اصفهانی, محمدرضا},
title = {کاربرد ANFIS در تشخیص خسارت دالهای بتن پیشتنیده},
booktitle = {اولین کنفرانس ملی پژوهش های کاربردی در مهندسی سازه و مدیریت ساخت},
year = {2016},
location = {تهران, ايران},
keywords = {خسارت، دادههای مودال، دال بتنی پیشتنیده، بسامد طبیعی.},
}
%0 Conference Proceedings
%T کاربرد ANFIS در تشخیص خسارت دالهای بتن پیشتنیده
%A پهلوان مصوری, مهسا
%A اصفهانی, محمدرضا
%J اولین کنفرانس ملی پژوهش های کاربردی در مهندسی سازه و مدیریت ساخت
%D 2016