CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

ارزیابی محل و بزرگی عیوب بتن سخت شده به روش غیر مخرببر مبنای بکارگیری هوش مصنوعی در آنالیز موج

عنوان مقاله: ارزیابی محل و بزرگی عیوب بتن سخت شده به روش غیر مخرببر مبنای بکارگیری هوش مصنوعی در آنالیز موج
شناسه ملی مقاله: ICESCONF10_060
منتشر شده در دهمین کنفرانس ملی مهندسی عمران، معماری و توسعه شهری پایدار ایران در سال 1401
مشخصات نویسندگان مقاله:

مهرآسا تیموری - دانشجوی کارشناسی ، دانشکده فنی مهندسی گرگان، دانشگاه گلستان
امید شرافتی - دانشجوی کارشناسی ارشد عمران، دانشکده فنی مهندسی گرگان، دانشگاه گلستان
علی بیگلری فدافن - استادیار گروه مهندسی عمران، دانشکده فنی مهندسی گرگان، دانشگاه گلستان

خلاصه مقاله:
در حوزه مهندسی عمران مشکلات زیادی وجود دارد که دارای روشهای پیچیده سنتی برای حل است ، البته حضور یک متخصص با آموزش مناسب می تواند موثر باشد، اما استفاده از هوش مصنوعی بسیار پرکاربردتر است . هوش مصنوعی که بر اساس تعامل بین رشته های مختلف توسعه پیدا کرده است ، سعی در حل مشکلات مهندسی که با روشهای معمول حل نمی شوند را دارد. پژوهش حاضر متمرکز بر روشهای هوش مصنوعی است که در ده ه اخیر مورد توجه بودهاند. در نظارت سلامت سازه، عدم اطمینان به برخی از داده ها وجود دارد که می توان از روشهای هوش مصنوعی در رفع این عدم قطعیت استفاده کرد و همچنین استفاده از این روشها سبب صرفه جویی در هزینه ، زمان و بالا رفتن اعتماد به نفس در مهندسی سازه می شود. در این مقاله ، با استفاده از بکارگیری توانایی یک شبکه عصبی عمیق و روش اجزای محدود شبیه سازی ، سعی در ارزیابی ابعاد و محل عیوب یک نمونه بتنی می شود. آزمایش ها با نصب یک فرستنده و گیرنده روی دو سطح متفاوت و فرستادن امواج برشی ، فشاری و سطحی به درون بتن با اعمال یک ضربه نقطه ای بر سطح بتن تحت آزمایش و بررسی رفتارها انجام شد. در واقع آزمایشات، تحقیقات و بررسی های این مقاله نشان دهنده آن است که استفاده از شبکه عصبی مصنوعی وتکنیکهای پیشنهادی، برای تشخیص مقدار و موقعیت، نه تنها دارای خطای کم و دقتی شایان توجه است، بلکه میتواندبسیار کارآمد نیز باشد.

کلمات کلیدی:
هوش مصنوعی، شناسایی آسیب، روش اجزای محدود، نظارت بر سلامت سازه.

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1620687/