عنوان

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

پ۲۶۷۲۱

per

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

امیر ارسلان کاویانی

فنی و مهندسی مکانیک

۱۴۰۰

۶۵ص.

سی دی

کارشناسی ارشد

مهندسی مکانیک گرایش طراحی کاربردی

۱۴۰۰/۱۱/۲۵

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.

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

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

کاویانی،

امیر ارسلان

تهيه کننده

صادقی،

مرتضی

استاد راهنما

‏ تبریز