Double Cracks Identification in Functionally Graded Beams Using Artificial Neural Network
محل انتشار: فصلنامه مکانیک جامد، دوره: 5، شماره: 1
سال انتشار: 1392
نوع سند: مقاله ژورنالی
زبان: انگلیسی
مشاهده: 38
فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JSMA-5-1_002
تاریخ نمایه سازی: 28 مرداد 1402
چکیده مقاله:
This study presents a new procedure based on Artificial Neural Network (ANN) for identification of double cracks in Functionally Graded Beams (FGBs). A cantilever beam is modeled using Finite Element Method (FEM) for analyzing a double-cracked FGB and evaluation of its first four natural frequencies for different cracks depths and locations. The obtained FEM results are verified against available references. Furthermore, four Multi-Layer Perceptron (MLP) neural networks are employed for identification of locations and depths of both cracks of FGB. Back-Error Propagation (BEP) method is used to train the ANNs. The accuracy of predicted results shows that the proposed procedure is suitable for double cracks identification detection in FGBs.
کلیدواژه ها:
نویسندگان
F Nazari
Department of Mechanical Engineering, Ferdowsi University of Mashhad
M.H Abolbashari
Department of Mechanical Engineering, Lean Production Engineering Research Center, Ferdowsi University of Mashhad
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :