عنوان

شناسایی و عیب‌یابی سازه‌ها بر پایه تغییر مشخصه‌های ارتعاشی با استفاده از الگوریتم بهینه‌یابی

Number

پ۲۶۷۲۱

.Language of Text, Soundtrack etc

per

Title Proper

شناسایی و عیب‌یابی سازه‌ها بر پایه تغییر مشخصه‌های ارتعاشی با استفاده از الگوریتم بهینه‌یابی

First Statement of Responsibility

امیر ارسلان کاویانی

Name of Publisher, Distributor, etc.

فنی و مهندسی مکانیک

Date of Publication, Distribution, etc.

۱۴۰۰

Specific Material Designation and Extent of Item

۶۵ص.

Accompanying Material

سی دی

Dissertation or thesis details and type of degree

کارشناسی ارشد

Discipline of degree

مهندسی مکانیک گرایش طراحی کاربردی

Date of degree

۱۴۰۰/۱۱/۲۵

Text of Note

در صورتی که عیب سازه‌ها به موقع مشخص و مرتفع نگردد، سبب ایجاد خسارت‌های جانی و مالی بسیاری می‌شود؛ از این‌رو عیب‌یابی دارای اهمیت زیادی است. در این پژوهش برای یافتن محل دقیق ترک در سازه، داده‌های ورودی بسیاری (در ابعاد بزرگ) وجود دارد. الگوریتم‌هایی مانند الگوریتم حداقل مربعات ماشین بردار پیشتیبانی(LS-SVM) که تا کنون در مقالات مختلف مورد بررسی قرار گرفته‌است؛ همگی دارای دقت و سرعت قابل توجهی در شرایط خاص تعریف شده، هستند، اما در ابعاد بزرگ این روش‌ها جواب سریعی نمی‌دهند. بنابراین نیاز به استفاده از الگوریتمی است که در ابعاد زیاد، زمان کمتر و مناسبی را به پردازش داده بپردازند (مانند روش کلی ازدحام ماهی مصنوعی (GAFSA)) ارائه این الگوریتم‌ها باعث به‌وجود آمدن روش‌های نسبتاً پیچیده‌ای نظیر تقسیم داده‌ها به چندین زیر مجموعه شده‌است. در این پژوهش با استفاده از روش هوشمندی بر پایه یادگیری ماشین که پیچیدگی‌های سایر الگوریتم‌ها را نداشته باشد و همچنین زمان پردازش کمتری داشته باشد به عیب‌یابی پرداخته خواهد شد. به کمک الگوریتم Random Kitchen Sink (RKS) عیب شناسایی و محل آن مشخص شده‌است. جهت صحت سنجی نتایج بدست آمده با الگوریتم GAFSA مقایسه می‌شود.

Text of Note

If the defects of the structures are not found and removed in time, it will cause a lot of Injuries and financial losses, so damage detection is very important, and in this article, we have a lot of input data for finding the exact location of cracks in the beam. Methods such as the least squares vector machine (LS-SVM). these methods have been studied so far in various articles all of which are accurate and testable to specific conditions, but if you have high dimensions, Therefore, these methods are not a quick answer to be used. We need to use methods that for the high dimensions, spend less and convenient time for processing data (such as Global Artificial fish swarm algorithm (GAFSA)) which makes the arrival of relatively complex methods such as dividing data into several subsets. In this research, damage detection will be done by using an intelligent method based on machine learning that does not have the complexities of other methods and also has less processing time. Using the Random Kitchen Sink (RKS) algorithm, the defect is identified and its location is determined. For validation, the obtained results are compared with GAFSA algorithm

Variant Title

Damage detection of structures based on changes in vibration characteristics using optimization algorithm

Entry Element

کاویانی،

Part of Name Other than Entry Element

امیر ارسلان

Relator Code

تهيه کننده

Entry Element

صادقی،

Part of Name Other than Entry Element

مرتضی

Dates

استاد راهنما

Entry Element

‏ تبریز