جستجوی مقالات مرتبط با کلیدواژه "تیر فلزی" در نشریات گروه "عمران"
تکرار جستجوی کلیدواژه «تیر فلزی» در نشریات گروه «فنی و مهندسی»-
نظارت بر سلامت پل های بزرگراهی امری اساسی برای دستیابی به یک سیستم حمل و نقل قابل اعتماد است. روش شناسایی آسیب مبتنی بر ارتعاش از تغییرات ویژگی های ارتعاشی سازه ها برای شناسایی آسیب ها و اطمینان از وضعیت سلامت سازه ها استفاده می کند. در این مطالعه، از شاخص های آسیب اصلاح شده پارامترهای مودال مبتنی بر ترکیب مقدار مطلق انعطاف پذیری مودال و انرژی کرنش مودال به عنوان ورودی شبکه های عصبی عمیق کانولوشن استفاده می شود تا تصمیمات ایمن و ارزیابی آسیب قابل اعتماد در تعیین آسیب های تکی در تیرهای فولادی پل های بزرگراهی فراهم شود. همچنین شبکه عصبی عمیق ادغام شده جهت تخمین شدت آسیب تکی به طور هوشمندانه مورد استفاده قرار می گیرد. شبکه عصبی با استفاده از شاخص های آسیب حاصل از شبیه سازی عددی مدل اعتبارسنجی شده پل آموزش داده می شود. شاخص های آسیب به عنوان ورودی های شبکه عصبی از سناریوهای مختلف آسیب حاصل می شود. شبکه عصبی آموزش دیده برای شناسایی، مکان یابی و اندازه گیری شدت آسیب های ناشناخته تکی استفاده می شود. روش پیشنهادی پاسخی بر مشکلات شناسایی آسیب در تحقیقات گذشته می باشد. نتایج نشان داد که روش ارائه شده بر اساس شاخص های آسیب اصلاح شده مبتنی بر ترکیب مقدار مطلق و شبکه عصبی عمیق کانولوشن ادغام شده به صورت عملی و دقیق مکان و شدت آسیب های ناشناخته تکی را در تیرهای فلزی پل های چند دهانه بزرگراهی شناسایی می کند.
کلید واژگان: پایش سلامت سازه ها, شاخص انرژی کرنشی مودال, شاخص انعطاف پذیری مودال, تیر فلزی, شبکه عصبی عمیقCivil structures inevitably undergo damage over time due to various reasons such as environmental changes, material aging, load variations, and insufficient maintenance. Monitoring these structures, especially aging ones, is crucial to detect damage early on and implement suitable retrofitting measures, ensuring their continued safe and reliable operation without unexpected failures. Consequently, there has been significant research in this field, focusing on damage detection in both simple and complex structures. Health monitoring of highway bridges is essential for achieving a reliable transportation system. The vibration-based damage detection method uses changes in the vibrational properties of structures to detect damages and ensure a healthy state. In this study, the absolute value of the modal flexibility damage index and the modal strain energy damage index simultaneously are utilized to prevent unsafe decisions. These absolute values of modal strain energy and flexibility damage indexes are utilized as the bases for training deep neural networks (DNNs). These indexes are applied to provide safe decisions and reliable damage evaluation in steel girder of the highway bridges. The convolution neural network (CNN) is utilized for damage quantification estimation. The CNN is one of the deep learning models that can currently be applied in 2D dominant approaches, such as pattern recognition and speech recognition. In addition, these networks can utilize the 1D time domain and vibrational signal data via the convolutional layer. The initial stage of CNN model comprises combined convolutional and pooling layers that apply different filters to extract features. Following this, fully connected layers, similar to a hidden layer of a multilayer perceptron are incorporated. Ultimately, these layers are classified together with a softmax layer. The convolution layer acts as a filter that convolutes the input layer with a set of weights, adding bias and applying an activation function to the outcome. Gradient descent momentum methods (SGDM) can be employed to optimize the parameters in CNN network architecture. SGDM estimates the gradient with high velocity in any dimension. This method mitigates issues such as jittering and saddle points by utilizing high-velocity inconsistent gradient dimensions and the SGD gradients, respectively. Additionally, when the Current gradient approaches zero, the SGDM provides some momentum. The convolution neural network is trained to utilize damage indexes obtained from numerical simulation of the validated finite element model of the bridge. The damage indexes as the inputs for the neural network, which are achieved from different damage scenarios. Once network training and validation are completed, a well-trained neural network is used to detect, localize, and quantify the intensity of unknown damages. The proposed method overcomes previous damage detection problems such as false positive indications, the unreliability of a single damage index, and insufficient precision in determining the intensity. The results revealed that the presented method, based on the dual updated damage indexes and CNN, practically and accurately identified unspecified single damages' location and severity in multi-span beams. The new training method of deep neural network systems overcomes some shortcomings in ANN. Moreever, this deep neural network training scheme can reduce the need for huge amounts of input data and enhance the accuracy of network training. The method is capable in predicting single damage scenarios in steel beam.
Keywords: Structural Health Monitoring, Modal Strain Energy Damage Index, Modal Flexibility Damage Index, Steel Beam, Deep Learning -
با توجه به موفقیت کاربرد الیاف بسپاری مرکب در تقویت و مرمت سازه های بتنی، ایده ی کاربرد آنها در سازه های فولادی نیز در چند سال اخیر با انجام آزمایش ها و تحقیقات گسترده توسعه یافته است. هدف از این تحقیق، بررسی عملکرد تیرهای فولادی خمشی تقویت شده با ورق های کامپوزیت است. در این تحقیق تیرهای فلزی با مقطع I به طول 2000 میلی متر مورد آزمایش قرار گرفتند. از 6 تیر مورد نظر 2 نمونه در تمام طول خود و 2 نمونه ی دیگر فقط در بخشی از طول خود با ورق های کامپوزیتی تقویت شدند و 2 نمونه تیر نیز بدون تقویت به عنوان تیرهای شاهد تحت بارگذاری قرار داده شد. تیرهای شاهد و تقویت شده تحت بارگذاری استاتیکی قرار گرفتند که ضمن تهیه ی نمودار نیرو تغییر مکان، مقدار بار حد تسلیم تیرها و میزان بار گسیختگی ورق های کامپوزیتی مشخص و مطالعه شد. به منظور اعتبارسنجی نتایج، یک مدل از تیرهای آزمایشی با استفاده از نرم افزار A N S Y S مدل سازی و به روش اجزاء محدود تحلیل شد. نتایج آزمایش ها نشان می دهند که ظرفیت خمشی تیرهای تقویت شده با ورق کامپوزیت افزایش می یابد، و مقاومت تیرهایی که در تمام طول خود تقویت شده اند نسبت به تیرهایی که فقط در میانه ی طول خود مورد تقویت قرار گرفته اند نیز افزایش قابل توجهی داشته است.
کلید واژگان: مقاوم سازی, تیر فلزی, الیاف بسپاری مرکب (FRP)Regarding the vast and suitable application of fiber reinforced polymer (FRP) in the strengthening of concrete structures, the recent idea of using fiber reinforced polymer composites in steel structures has been formed and extended by doing experiments and extensive research. The aim of this present research is to study the strengthening of bending steel beams by composite plates and, also, the rate of increasing the length of the FRP plate on the performance of the strengthened beam. All beams are selected in 1 shape with a length of 2000 mm. So, 6 beams have been tested in this research; 2 beams strengthened with composite plates in the whole length, 2 beams strengthened only in the middle of their length and the other beams loaded without composite plates as the control beams. The retrofitted and control beams were tested under static loading, so, besides preparing the diagram of the force-distance, the yielding load of beams and the failure of composite plates are determined. To verify the results of the experiments, a beam was modeled by the existing finite element software and its force-displacement diagram was compared with the results of the experiment. According to the results, application of composite plates increases the bending capacity of steel beams. Moreover, force-distance diagrams indicate the desirable performance of strengthened beams.
- نتایج بر اساس تاریخ انتشار مرتب شده‌اند.
- کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شده‌است. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
- در صورتی که می‌خواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.
©2000-2025 magiran.com All Rights Reserved.