عیب یابی سازه ها با استفاده از روش ماشین یادگیری مبتنی بر تابع کرنل مرکب اصلاح شده

عیب یابی سازه ها با استفاده از روش ماشین یادگیری مبتنی بر تابع کرنل مرکب اصلاح شده

سجاد حکیمی1 پیمان ترک زاده2

1) دانشجوی کارشناسی ارشد سازه بخش مهندسی عمران دانشکده فنی و مهندسی دانشگاه شهید باهنر کرمان-
2) استادیار بخش مهندسی عمران دانشکده فنی و مهندسی دانشگاه شهید باهنر کرمان ،

کد IOI مقاله : XYEA-BZBEH
محل انتشار : چهارمین کنگره بین المللی عمران، معماری و توسعه شهری(4icsau.ir)
چکیده :
    یکی از روش های عیب یابی در سازه ها استفاده از الگوریتم های مبتنی بر هوش مصنوعی می باشد از همین رو در این تحقیق از الگوریتم هوش مصنوعی Extreme Learning Machine Based Kernel Function استفاده شده که قابلیت شناسایی محل و شدت اسیب در اعضای سازه را دارا می باشد. ورودی این الگوریتم تغییرات فرکانس طبیعی ناشی ازکاهش سختی اعضا به منظور مدل سازی خرابی در سازه می باشد. همچنین برای بهبود عملکرد این الگوریتم در روند عیب یابی یک تابع کرنل مرکب بهینه شده توسط الگوریتم اجتماع ذرات پیشنهاد شده است. جهت نشان دادن کارایی و دقت تابع کرنل پیشنهادی نسبت به سایر توابع کرنل، یک سازه خرپایی مورد بررسی قرار گرفته است که نتایج بیانگر دقت و کارایی بالاتر تابع کرنل مرکب پیشنهادی نسبت به سایر توابع کرنل می باشد.

کلمات کلیدی : عیب یابی سازه ها الگوریتم kelm تابع کرنل الگوریتم اجتماع ذرات