تحلیل قابلیت اعتماد سازه ها با استفاده از روش های هوش محاسباتی
چکیده
قابلیت اعتماد، موضوعی با اهمیت در طراحی مهندسین می باشد. به طور کلی جهت تحلیل قابلیت اعتماد سازه ها، نیاز به تخمین احتمال خرابی ناشی از عدم قطعیت پارامترها، امری ضروری است. در همین راستا، در طول دهه های اخیر تلاش های بسیاری برای یافتن روش هایی کارا و موثر، جهت تحلیل قابلیت اعتماد سازه ها بر اساس طبیعت آماری متغیرهای طراحی، انجام شده است. با این حال، معمولاً روش های به کار رفته در فرآیند رسیدن به تخمین خرابی با برخی از مشکلات از قبیل نیاز به تحلیل المان محدود جهت تخمین احتمال خرابی توابعی که به فرم ریاضی وجود ندارند، همگرایی کند بعضی از روش ها در صورت انتخاب نادرست توابع، هزینه ی زمانی زیاد به دلیل ایجاد نمونه های زیاد جهت انجام محاسبات و ارزیابی خرابی، وجود خطای محاسباتی و انتخاب نادرست نمونه ها، مواجه می شوند. در این تحقیق به بررسی روش هایی تحت عنوان روش های نمونه برداری معمولی و پیشرفته ی مونت کارلو جهت نمونه برداری داده ها پرداخته و مزایا و معایب آن ها مورد ارزیابی قرار گرفته است. همچنین بر اساس روشی ترکیبی از روش های نمونه برداری با روش کوچک ترین مربعات دستگاه بردارهای پشتیبان به عنوان روشی نوین در زمینه ی قابلیت اعتماد سازه ها، مشکلات اصلی روش های پیشین قابل حل می باشد. با ارائه ی سازه های مختلف و با درجات آزادی و تعداد متغیرهای متفاوت، کارایی روش های پیشنهادی مورد ارزیابی قرار گرفته است. مقایسه ی نتایج به دست آمده با دیگر روش های به کار رفته در ارزیابی خرابی سازه ها نشان می دهد که روش های پیشنهادی علاوه بر کاهش قابل توجه زمان قادر به تخمین با دقتی از ایمنی سازه ها می باشند. اصول استفاده از روش های پیشنهادی بدین صورت است که با استفاده از داده های آموزشی، مدل مربوطه را ایجاد نموده و در نهایت بر اساس روش شبیه سازی معمولی و یا پیشرفته میزان احتمال خرابی تخمین زده می-شود.