ارائه یک روش هوشمند شناسایی خرابی در سازه ها بر مبنای انرژی کرنش اصلاح شده در حوزه زمان

چکیده مقاله

استفاده از شبکه های عصبی عمیق در پایش سلامت سازه از روش های مورد توجه جامعه مهندسین در سال های اخیر است شبکه های عصبی عمیق با لایه های زیاد، ساختار سلسله مراتبی و قابلیت بالای دسته بندی، داده سرعت و دقت عیب یابی در سازه ها را بهبود می دهند در این پژوهش پیشنهاد می شود از شبکه های درهم تنیده کانولوشن یک بعدی و دو بعدی جهت تشخیص خرابی سازه ها استفاده شوند بدین منظور همه داده مورد بررسی پیش پردازش شده و سپس برای آموزش شبکه عصبی استفاده می شوند در ادامه علاوه بر بررسی اثر تابع نرمال ساز، اثر توابع بهینه سازی آدام گرادیان کاهشی و همچنین توابع فعال سازی تانژانت هیپربولیک و relu در فرآیند آموزش شبکه مورد بررسی قرار خواهند گرفت جهت ارزیابی توانایی روش های ارائه شده از دو مجموعه داده که یکی حاوی سیگنال های مربوط می باشند نیز استفاده خواهد شد و در نهایت دقت عملکرد تابع گرادیان کاهشی نسبت به تابع بهینه سازی آدام مشخص خواهد گردید و همچنین عملکرد مناسب شبکه های درهم تنیده نیز در جهت تشخیص خرابی سازه نیز بررسی خواهد گردید

کلیدواژه‌ها

نویسندگان

علی سلیمانی

دانشجوی دکتری گروه مهندسی عمران واحد استهبان دانشگاه آزاد اسلامی، استهبان، ایران

لیلا شهریاری

استادیار، گروه مهندسی عمران واحد شیراز دانشگاه آزاد اسلامی، شیراز، ایران

غلامرضا عاطفت دوست

استادیار گروه مهندسی عمران واحد، استهبان دانشگاه آزاد اسلامی، استهبان، ایران

�لیمانی، علی و شهریاری، لیلا و عاطفت دوست، غلامرضا،1404،ارائه یک روش هوشمند شناسایی خرابی در سازه ها بر مبنای انرژی کرنش اصلاح شده در حوزه زمان،چهاردهمین کنگره بین المللی مهندسی عمران،تهران

ارائه‌شده در

مجموعه مقالات چهاردهمین کنگره بین المللی مهندسی عمران29 مهر 1404 · تهران