%34تخفیف

دانلود پروژه:تعیینموقعیت خرابی و ترک در صفحات خمشی با استفاده از تبدیلCurvelet و شبکه عصبی

تعداد163 صفحه در فایل word

درجه کارشناسي ارشد

                  مهندسیسازه

 

تعیینموقعیت خرابی و ترک در صفحات خمشی با استفاده از تبدیلCurvelet و شبکه عصبی

چکیده:

در بین روش­های مختلف برای تشخیص خرابی در سازه­ها، به خصوص سازه های پیوسته، می­توان به کاراترین و جدیدترین آنها به نام X-Letها اشاره کرد.X-letها با پردازش روی داده­های ناشی از تحلیل و ایجاد ارتباط بین این داده­ها در سازه سالم و سازه خراب محل خرابی را تشخیص می­دهند. از مهمترین X-letها می­توان به تبدیل Wevelet اشاره نمود. بدلیل ضعف این تبدیل در شناسایی ترک­های غیر مستقیم و همچنین نزدیک تکیه­گاه، ارجح است از تبدیل قوی­تری به نام تبدیل Curvelet استفاده کرد. این تبدیل بدلیل ماهیت و ویژگی­های بارز خود در محیط­های دو بعدی پیوسته مثل صفحات، کارایی و دقت آن از جهات مختلف مثل تشخیص ترک­های غیر مستقیم و همچنین قدرت پردازش آن در نواحی نزدیک تکیه­گاه­ها بسیار خوب بوده و روش مناسبی برای عیب­یابی می­باشد. اما این تبدیل با یک مشکل عمده روبرو است و آن، مقیاس­های (سطوح تجزیه ) این تبدیل می­باشد. سطح تجزیه اول، تصویر و موقعیت و مشخصات کلی از خرابی و ترک را نشان می­دهد ولی از نشان دادن جهت و عرض وحتی شکل دقیق آن عاجز است ولی به عنوان مقیاس بارز این تبدیل می­باشد. این در حالیست که سایر سطوح با اینکه دقیق­تر و دارای اطلاعات بسیار زیادتر نسبت به مقیاس اول هستند، بدلیل وجود خطا و نویز در داده­های حاصل از تحلیل سازه، بعضا قادر به نمایاندن توانایی کامل خود در پردازش تصویر، موقعیت و مشخصات ترک به درستی نمی­باشند.

در این تحقیق، محل ترک­ها در صفحات خمشی با استفاده از پاسخ­های تحلیل مودال وتحلیل تنش استاتیکی فون میسز تشخیص داده می­شود. علاوه بر آن، برای حذف نویز و خطا از پاسخ­های تحلیل سازه، از الگوریتم­های هوش مصنوعی استفاده می­شود. الگوریتم مورد استفاده، شبکه عصبی تابع بنیادی شعاعی بوده که با آموزش صحیح آن، نویزها و خطاها تا حد زیادی از داده­ها حذف شده­اند. بطوری که بعد از استفاده از این داده­ها در تبدیل Curvelet، امکان استفاده از سطوح تجزیه بالاتر فراهم گشته و منجر به قابلیت بالا برای تشخیص دقیق­تر جهت، شکل و عرض ترک در حالت­های مختلف و شدت­های مختلف خرابی در نواحی نزدیک و دور تکیه­گاه شده است.

کلمات کلیدی: تشخیص خرابی، تبدیلCurvelet، تحلیل مودال، تحلیلاستاتیکی، حذف نویز، شبکه عصبی تابع بنیادی شعاعی

فهرست مطالب

عنوان…………………………………. صفحه

هیئت داوران ………………………………………………………………………….         ج

تعهد نامه اصالت اثر………………………………………………………….         د

تقدیم به ………………………………………………………………………………..         ه

سپاسگزاری………………………………………………………………………………..         و

چکیده…………………………………………………………………………………………         ز

فهرست مطالب……………………………………………………………………………         ح

فهرست شکل ها………………………………………………………………………….         م

فصل اول: مقدمه……………………………………………………………………..          1

1-1-   کلیات…………………………………………………………………………..          2

1-2-   رده بندی خسارات بر مبنای تغییرات دینامیکی       2

1-2-1-   روش‌های مبتنی بر انحنای مودال و انرژی کرنشی مودال                      3

1-2-2-   روش‌های مبتنی بر تغییرات فرکانس ها و شکل مودها                  4

1-2-3-   روش‌های مبتنی بر تابع پاسخ فرکانس                       5

1-2-4-   روش‌های مبتنی بر تغییر نرمی………..    5

1-2-5-   روش‌های مبنی بر تبدیل موجک…………    6

1-2-6-   مدل‌سازی المان تیر ترک خورده              7

1-3-   کشف خسارت به کمک روش اولتراسونیک           8

1-4-   کشف خسارت به کمک روش دمانگاری مادون قرمز    8

1-5-   تاریخچه Curvelet…………………….    9

1-6-   تاریخچه استفاده از Curvelet در شناسایی خرابی   9

1-7-   اهداف تحقیق……………………….    10

1-8-   مروری بر فصول آینده………………..    10

فصل دوم: مروری بر تبدیل فوریه تا تبدیل موجک               12

2-1-   مقدمه…………………………….    13

2-2-   تبدیل فوریه……………………….    13

2-3-   آنالیز در حوزه فرکانس………………    14

2-4-   تبدیل فوریه زمان-کوتاه……………..    17

2-5-   آنالیز چند رزولوشنه………………..    21

2-6-   تبدیل موجک پیوسته………………….    21

2-7-   رزولوشن در صفحه زمان- فرکانس………..    22

2-8-   روابط ریاضی تبدیل موجک……………..    24

2-9-   تبدیل موجک دو بعدی…………………    26

فصل سوم: تبدیل Curvelet………………………………………………………        28

3-1-   معرفی…………………………….    29

3-2-   تئوری تبدیلCurvelet………………….    29

3-3-   Ridgelet ها………………………….    30

3-4-   Ridgelet های چند مقیاسه……………….    31

3-5-   فیلتر میان گذر…………………….    32

3-6-   تبدیل Curvelet………………………    32

3-7-   تبدیل Ridgelet دیجیتال………………..    34

3-8-   تبدیل Radon………………………..    34

3-9-   تبدیل Ridgelet محلی…………………..    35

3-10-   تبدیل Curvelet دیجیتال……………….    36

3-11-   تبدیل Curvelet گسسته سریع…………….    37

3-12-   تبدیل Curvelet گسسته از طریق Wrapping         38

فصل چهارم: شبکه عصبی………………………………………………………..        44

4-1-   مقدمه…………………………….    45

4-2-   ایده شبکه­های عصبی مصنوعی……………    45

4-3-   نحوه عملکرد شبکه­های عصبی مصنوعی           47

4-4-   شبکه عصبی مصنوعی…………………..    50

4-4-1   شبکه­های تک­لایه…………………….    50

4-4-2-   شبکه­های چند لایه………………….    51

4-5   توابع تحریک شبکه­های عصبی ……………    52

4-5-1-   توابع تحریک پله­ای………………..    52

4-5-2توابع تحریک خطی……………………..    53

4-5-3-   توابع تحریک سیگموید………………    53

4-5-4-   توابع تحریک بنیادی شعاعی………….    53

4-6-   آموزش شبکه عصیی……………………    54

4-6-1-  آموزش نظارت شده…………………..    54

4-6-2   آموزش نظارت نشده………………….    54

4-7-   مودهای عملکردی شبکه­های عصبی…………    55

4-8-  شبکه عصبی تابع بنیادی شعاعی (Radial Baisis Function) 55

4-9-  نکات قابل توجه در خصوص شبکه تابع بنیادی شعاعی     56

4-9-1-  نرمال­سازی بردارهای ورودی…………..    58

4-9-2-   آموزش یک شبکه RBF………………..    59

فصل پنجم:تعیین موقعیت خرابی و ترک در صفحات خمشی با استفاده از تبدیل Curvelet و

شبکه عصبیRBF…………………………………………………………………………        61

5-1-   مقدمه…………………………….    62

5-2-   روش اجزاء محدود……………………    62

5-3-   استفده از  نرم افزار ABAQUS برای تحلیل سازه 62

5-4-   نحوه استفاده از Matlab در بکارگیری تبدیل Curvelet         63

5-5-   روند حذف نویز با استفاده از شبکه عصبی RBF   64

5-6-  شاخص خرابی…………………………    65

5-6-1-   شاخص خرابی شماره 1 ………………    65

5-6-2-   شاخص خرابی شماره 2 ………………    66

5-6-3-   شاخص خرابی شماره 3 ………………    66

5-6-4-   شاخص خرابی شماره 4 ………………    67

5-7-   مراحل تشخیص خرابی………………….    67

فصل ششم: نتایج عددی………………………………………………………….        69

6-1-   مدلسازی…………………………..    70

6-2-   چگونگی ترتیب مثال­ها………………..    70

6-3-  معرفی علائم اختصاری در جدول مشخصات مدل­سازی مثال         70

5-4-   مثال 1……………………………    71

5-5-   مثال 2……………………………    79

5-6-   مثال 3……………………………    85

5-7-   مثال 4……………………………    92

6-8-   مثال 5……………………………    99

6-9-   مثال 6……………………………   106

6-6-   مثال 7……………………………   113

6-7-   مثال 8……………………………   118

6-8-   مثال 9……………………………   122

6-9-   مثال 10…………………………..   127

فصل هفتم: نتیجه گیری………………………………………………………..      132

7-1-    بحث……………………………..   133

7-2-   نتیجه گیری………………………..   133

7-3-   پیشنهادها…………………………   134

مراجع…………………………………………………………………………………………      135

فهرست شکل‌ها

عنوان…………………………………. صفحه

شکل 2-1. دو نمونه سیگنال مخلوطی از فرکانس‌های 5، 10، 20 و 50 هرتز و تبدیل فوریه آنها……………………………….   17

شکل 2-2. نمایش گرافیکی نحوه پنجره کردن سیگنال غیر ایستا در تبدیل فوریه زمان-کوتاه……………………………….   18

شکل 2-3. نمایش 3 بعدی و کانتور برای تبدیل فوریه زمان-کوتاه 1-الف       20

شکل 2-4. نمایش 3 بعدی و کانتور برای تبدیل فوریه زمان-کوتاه 1-ب         20

شکل 2-5.  نمایش رزولوشن در صفحات مختلف           23

شکل 2-6. سیگنال یک بعدی بدست آمده از یک نمونه سیگنال دو بعدی           27

شکل 3-1. مروری بر مراحل سازماندهی تبدیل Curvelet        33

شکل 3-2. شبکه قطری دیجیتال در فضای فرکانسی به ازای تصویر 8*8      35

شکل 3-3. مراحل محاسبه تبدیل Ridgelet دیجیتال       35

شکل 3-4. شمای کلی تبدیل Curvelet دیجیتال           37

شکل 3-5. افراز فضای مکان و فرکانس توسط           38

شکل 3-6. افراز دیجیتال فضای فوریه………….   41

شکل 3-7. ساختار شبکه مکانی Wrapping……………………………       42

شکل 4-1.نواحي اصلي يك نرون بيولوژيكي……………………………       48

شکل 4-2.ساختار يك نرون مصنوعي……………….   48

شکل 4-3.ساختار يك شبكه تك‎لايه………………..   51

شکل 4-4. منحني نمايش تابع تحريك نرونهاي RBF         57

شکل 4-5.سطح پاسخ يك نرون RBF با دو ورودي            57

شکل 4- 6. ساختار يك شبكه RBF……………….   59

شکل 6-1. مدلسازی خرابی مثال 1……………..   71

شکل 6-2. مقایسه میان مقیاس‌ 4 شاخص­های خرابی در مثال 1         74

شکل 6- 3. مقایسه میان مقیاس‌­های شاخص­های خرابی 1 در مثال 1     77

شکل 6- 4. مقایسه میان مقیاس1 شاخص خرابی شماره 1 در حالت با نویز و بدون نویز در مثال 1  …………………………   78

شکل 6-5. مدلسازی خرابی مثال 2……………..   79

شکل 6-6. مقایسه میان مقیاس‌ شاخص­های خرابی در مثال 2 82

شکل 6- 7. مقایسه میان مقیاس‌­هی شاخص­های خرابی 3 در مثال 2      85

شکل 6- 8. مدلسازی خرابی مثال 3…………….   86

شکل 6- 9. مقایسه میان مقیاس‌ شاخص­های خرابی در مثال 3     89

شکل 6- 10. مقایسه میان مقیاس‌­هی شاخص­های خرابی 2 در مثال 3      92

شکل 6- 11. مدلسازی خرابی مثال 4……………   93

شکل 6- 12. مقایسه میان مقیاس 4‌ شاخص­های خرابی در مثال 4        96

شکل 6- 13. مقایسه میان مقیاس‌­هی شاخص­های خرابی 3 در مثال 4      99

شکل 6- 14. مدلسازی خرابی مثال 5…………… 100

شکل 6-15. مقایسه میان مقیاس 4‌ شاخص­های خرابی در مثال 5         103

شکل 6-16. مقایسه میان مقیاس‌­هی شاخص­های خرابی 1 در مثال 5       106

شکل 6- 17. مدلسازی خرابی مثال 6…………… 107

شکل 6- 18. مقایسه میان مقیاس 5‌ شاخص­های خرابی در مثال 6        110

شکل 6-19. مقایسه میان مقیاس‌­هی شاخص­های خرابی 3 در مثال 6       113

شکل 6- 20. مدلسازی خرابی مثال 7…………… 114

شکل 6- 21. مقایسه میان مقیاس‌­های شاخص­های خرابی 3 در مثال 7         117

شکل 6- 22. مدلسازی خرابی مثال 8…………… 119

شکل 6-23. مقایسه میان مقیاس­های شاخص­های خرابی 1 در مثال 8      122

شکل 6-24.مدلسازی خرابی مثال 9…………….. 123

شکل 6- 25. مقایسه میان مقیاس­های شاخص­های خرابی 1 در مثال 9         126

شکل 6- 26. مدلسازی خرابی مثال 10………….. 127

شکل 6-27. مقایسه میان مقیاس­های شاخص­های خرابی 1 در مثال 10          130

نقد و بررسی‌ها

هنوز بررسی‌ای ثبت نشده است.

اولین کسی باشید که دیدگاهی می نویسد “دانلود پروژه:تعیینموقعیت خرابی و ترک در صفحات خمشی با استفاده از تبدیلCurvelet و شبکه عصبی”

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

قبلا حساب کاربری ایجاد کرده اید؟
گذرواژه خود را فراموش کرده اید؟
Loading...
enemad-logo