Ghiasi R, Ghasemi M R, Sohrabi M R. Structural Damage Detection using Frequency Response Function Index and Surrogate Model Based on Optimized Extreme Learning Machine Algorithm. Computational Methods in Engineering 2017; 36 (1) :1-17
URL:
http://jcme.iut.ac.ir/article-1-678-fa.html
قیاسی* رامین، قاسمی محمدرضا، سهرابی محمدرضا. عیبیابی سازهها با استفاده از شاخص تابع پاسخ فرکانسی و مدل جایگزین مبتنی بر الگوریتم ماشین یادگیری حداکثر بهینه شده. روشهای عددی در مهندسی. ۱۳۹۶; ۳۶ (۱) :۱-۱۷
URL: http://jcme.iut.ac.ir/article-۱-۶۷۸-fa.html
۱- دانشکده مهندسی عمران، دانشگاه سیستان و بلوچستان ، rghiasi.s@gmail.com
۲- دانشکده مهندسی عمران، دانشگاه سیستان و بلوچستان
چکیده: (۵۶۷۸ مشاهده)
امروزه استفاده از مدلهای جایگزین مبتنی بر الگوریتمهای هوش مصنوعی در زمینه عیبیابی سازهها مورد توجه بسیاری از محققین قرار گرفته است. در این تحقیق، جهت افزیش دقت الگوریتم تشخیص عیوب چندگانه در سیستمهای سازهای، کرنل جدیدی مبتنی بر موجک لیتلود پالی برای الگویتم هوش مصنوعی ماشین یادگیری حداکثر، توسعه داده میشود. بهمنظور کاهش حجم محاسبات بهروزرسانی مدل سازه از ماشین یادگیری حداکثر بهعنوان مدل جایگزین برای تحلیل اجزای محدود دقیق سازه استفاده میشود. در روش دو مرحلهای پیشنهادی در مرحله اول با استفاده از شاخص مبتنی بر تابع پاسخ فرکانسی سازه، المانهای معیوب مشخص میشود و در مرحله دوم شدت خرابی در این اعضا با استفاده از مدل جایگزین مبتنی بر ماشین یادگیری حداکثر تعیین میشود. برای مقایسه کارایی سیستم مبتنی بر ماشین یادگیری حداکثر، نتایج حاصل از کرنل پیشنهادی با سایر کرنلهای پیشنهاد شده برای ماشین یادگیری حداکثر و همچنین الگوریتم ماشین بردار پشتیبان حداقل مربعات، مقایسه شده است. مثالهای عددی حلشده بیانگر افزایش قابل توجه دقت الگوریتم ماشین یادگیری حداکثر در فرایند عیبیابی سازهها در صورت استفاده از کرنل موجکی لیتلود پالی است.
نوع مطالعه:
پژوهشي |
موضوع مقاله:
تخصصي دریافت: 1396/6/14 | پذیرش: 1396/6/14 | انتشار: 1396/6/14