دوره ۲۶، شماره ۲ - ( ۱۰-۱۳۸۶ )
جلد ۲۶ شماره ۲ صفحات ۲۹-۱۵ |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
A. Fathi, A. A. Aghakuchak, and Gh. A. Montazer. Evaluating Weld Magnification Factor in Welded Tubular Joints Using Artifitial Neural Networks. Computational Methods in Engineering 2008; 26 (2) :15-29
URL: http://jcme.iut.ac.ir/article-1-432-fa.html
URL: http://jcme.iut.ac.ir/article-1-432-fa.html
علی فتحی ، علی‌اکبر آقاکوچک و غلامعلی منتظر . تعیین ضریب بزرگنمایی جوش در اتصالات لوله‌ای به وسیله شبکه‌های عصبی مصنوعی. روشهای عددی در مهندسی. ۱۳۸۶; ۲۶ (۲) :۱۵-۲۹
چکیده: (۵۵۳۳ مشاهده)
در اتصالات لوله ای جوشی زمانی که عمق ترک خستگی کمتر از 20 درصد ضخامت جدارۀ عضو اصلی است، رشد ترک بیش از هر چیز تحت اثر هندسۀ جوش در اتصال است.
از این رو حل اتصال T شکل و ضریب بزرگنمایی جوش (Mk) ابزار مناسبی برای محاسبۀ سرعت رشد ترک در این محدوده اند. در این تحقیق توانایی شبکه های عصبی مصنوعی برای تعیین Mk در اتصالات T شکل مورد آزمون قرار گرفته است. چهار شبکه از نوع پرسپترون چندلایه (MLP) طراحی و آموزش داده شده اند تا مقادیر Mk را در عمیقترین نقطۀ ترک و نقاط انتهایی آنها تحت تنشهای غشایی و خمشی تخمین بزنند. داده های استفاده شده برای آموزش و آزمون شبکه ها از داده های معتبر اجزای محدود استخراج شده است. مقایسۀ بین نتایج به دست آمده از شبکه ها و جدیدترین روابط منتشر شده برای محاسبۀ Mk نشان دهندۀ قابلیت بالای شبکه-های عصبی برای استفاده در این زمینه است.
واژه‌های کلیدی: : اتصالات لوله‌ای- سکوهای دریایی- ترک خستگی- مکانیک شکست الاستیک خطی- ضریب بزرگنمایی جوش- شبکه‌های عصبی مصنوعی
