پیش بینی پارامترهای چسبندگی الیاف فولادی هوک شکل و بتن با استفاده از شبکه های عصبی مصنوعی

پیام:
نوع مقاله:
مقاله پژوهشی/اصیل (بدون رتبه معتبر)
چکیده:

با توجه به اهمیت بکارگیری الیاف فولادی در تقویت بتن، در تحقیق حاضر با استفاده از شبکه های عصبی مصنوعی به پیش بینی رفتار بیرون کشیدگی الیاف فولادی هوک شکل از بتن پرداخته شده است. به دلیل محدودیت داده های جامع آزمایشگاهی، از داده های به دست آمده از تحلیل المان محدود به عنوان ورودی شبکه عصبی استفاده شده است. به منظور شبیه سازی بیرون کشیدگی الیاف از روش المان محدود سه بعدی و نرم افزار آباکوس استفاده می شود. در مدل المان محدود، اندرکنش بین الیاف و بتن با استفاده از مفهوم ناحیه انتقالی سطح مشترک شبیه سازی شده است که پارامترهای آن با استفاده از روش المان محدود معکوس و استفاده از نتایج تست تجربی بیرون کشیدگی انجام پذیرفته بر روی یک نمونه الیاف به دست آمده است. پس از صحت سنجی نتایج مدل عددی با نتایج تجربی، نتایج به ازای پارامترهای موثر الیاف استخراج شده و بر اساس آنها مدل سازی با استفاده از شبکه های عصبی صورت گرفته است. پیش بینی نیروی بیرون کشیدگی توسط شبکه های عصبی مصنوعی چندلایه و الگوریتم آموزش انتشار به عقب، با تکنیک بهینه سازی مارکورادت-لونبرگ انجام شده است. نتایج نشان می دهد که مدل شبکه عصبی ارائه شده در این تحقیق، به دلیل توانایی استفاده از متغیرهای بیشتر در مدل سازی و نتایج دقیق تر، روشی موثر برای پیش بینی نیروی بیرون کشیدگی الیاف از بتن است.

زبان:
فارسی
صفحات:
71 تا 83
لینک کوتاه:
magiran.com/p2717126 
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یک‌ساله به مبلغ 1,390,000ريال می‌توانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
  • حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران می‌شود.
  • پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانه‌های چاپی و دیجیتال را به کاربر نمی‌دهد.
In order to view content subscription is required

Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!