در این پایان نامه اثر پاسخ های مختلف در روش های عیب یابی مبتنی بر شبکه عصبی بررسی شده است. همچنین یک روش جدید برای عیب یابی سازه ها ارائه می شود. روش پیشنهادی دارای دو مرحله می باشد. در مرحله اول توسط شبکه عصبی تابع بنیادی شعاعی به خاطر سرعت یادگیری بالا، مکان های آسیب دیده شناسایی می شود. در مرحله دوم عیب یابی، محل دقیق و شدت آسیب اعضای سازه با بکارگیری شبکه عصبی انتشار برگشتی بخاطر قدرت یادگیری بالا بدست می آید.
شناسایی آسیب سازه ها به کمک روش های عیب یابی، می تواند شرایط لازم را جهت جلوگیری از گسترش آسیب و افزایش عمر سازه ها فراهم نماید. روش های مختلفی برای تعیین مکان و شدت آسیب های سازه با استفاده از تغییرات پاسخ های سازه ای وجود دارد. تابع پاسخ فرکانس (frf) یکی از آن ها می باشد. فرکان
عیب یابی یکی از شاخه های کنترل سلامت سازه ها می باشد. در این پژوهش پاسخ انواع الگوریتم های هوش مصنوعی شامل ماشین بردار پشتیبان، شبکه عصبی، منطق فازی و نزدیکترین همسایگی و ترکیب آنها با الگوریتم های بهینه سازی همچون جامعه پرندگان و جستجوی هارمونی در عیب یابی سازه ها مقایسه می گردد
هدف از این پژوهش ارائه راهکاری جهت افزایش کارایی و سرعت عیب یابی سازه های بزرگ مقیاس با استفاده از روش های پیشرفته ی محاسبات نرم می باشد. با توجه به اینکه مسئله ی عیب یابی در قالب یک دستگاه معادلات غیرخطی مدل شده و حل آن به طور مستقیم، محدود و گاهی غیر ممکن است، امروزه بیشتر تحقی
عیب یابی یکی از شاخه های کنترل سلامت سازه ها می باشدکه با توجه به لزوم تشخیص به موقع خرابی ها و جلوگیری از پیشرفت آن ها، یکی از فعال ترین زمینه های تحقیقاتی است. وقوع آسیب در سازه ها باعث تغییر جرم ، سختی و خواص میرایی سازه گردیده و در پی آن ، پاسخ های استاتیکی و دینامیکی سیستم ن
در این رساله عیب یابی سازه ها با استفاده از پاسخ های سازه ای و تحلیل حساسیت مورد توجه قرار گرفته است. فرکانس ها، مود شکل ها، تغییر مکان های استاتیکی و شتاب های دینامیکی به عنوان پاسخ های سازه ای در نظر گرفته شده اند. مساله عیب یابی سازه ها به صورت حل دستگاه معادلات غیر خطی دیده ش
در این پژوهش برای عیب یابی سازه ها دو روش جدید پیشنهاد شده است. روش اول یک روش دو مرحله ای است، که در آن از پاسخ فرکانس و مود شکل سازه استفاده می شود. در گام اول با استفاده از شاخص افزاینده مبتنی بر انرژی کرنشی مودال عضو های مشکوک به خرابی تعیین شده و در مرحله دوم با استفاده از ا
امروزه عیب یابی سازه های مهندسی با استفاده از سیگنال های ارتعاشی به منظور تشخیص زود هنگام عیوب ایجاد شده در سازه هنگام کارکرد معمول یا بعد از حوادثی نظیر زلزله،از اهمیت ویژه ای در پژوهش های دانشگاهی و صنعتی برخوردار است. از میان روش های زیادی که برای عیب یابی سازه ها پیشنهاد گردی
امروزه استفاده از الگوریتمهای بهینهیابی بر اساس روشهای فراابتکاری با توجه به انعطافپذیری و سرعت بالای پردازش از اهمیت خاصی برخوردار شده است. در مطالعه حاضر، جهت انجام عیبیابی در سازههای شابلونی فراساحل، فرآیند عیبیابی به صورت یک مسئله بهینهیابی مطرح و از الگوریتم اجتماع ذ
در این مقاله، یک روش جدید برای تشخیص وجود، محل و نوع عیب در سازه های با تحریک اتفاقی بر اساس مدل پارامتریک arma و کلاس بندی فازی ارایه شده است. یکی از مزیت های برجسته روش پیشنهادی عبارت است از وارد نمودن دیدگاه فازی برای عیب یابی سازه ها با استفاده از پارامترهای تخمین زده شده که
در این مقاله، یک روش جدید برای تشخیص وجود، محل و نوع عیب در سازه های با تحریک اتفاقی بر اساس مدل پارامتریک ARMA و کلاس بندی فازی ارایه شده است. یکی از مزیت های برجسته روش پیشنهادی عبارت است از وارد نمودن دیدگاه فازی برای عیب یابی سازه ها با استفاده از پارامترهای تخمین زده شده که
هدف اصلی این مقاله، ارائه روشی مبتنی بر شبکه عصبی هوشمند همراه با شبیه سازی دینامیکی برپایه تحلیل های ریاضی برای عیب یابی موتور سوخت مایعی است که امکان وجود اختلال در سامانه داده برداری آن وجود دارد. عیب، به شکل وقوع گرفتگی در مسیرهای متفاوت موتور و اختلال در سامانه داده برداری ب
بروز شکست در خطوط لوله سبب خسارات زیادی از جمله آسیب به محیط‌زیست و منابع طبیعی و تحمیل هزینه‌های بالای تعمیرات می‌گردد. لذا در این پژوهش با بهره‌گیری از شبیهسازی اجزاء محدود پدیده برهمکنش سیال- جامد بین سیال عبوری و لوله آسیبدیده، توزیع تنش و خرابی در لوله آسیبدیده مورد بررسی