Yapay Sinir Ağları ile kiriş tipi yapılarda hasar tanımlama
Damage diagnosis in beam-like structures by Artificial Neural Networks
- Tez No: 394308
- Danışmanlar: PROF. DR. KAMİL AYDIN
- Tez Türü: Yüksek Lisans
- Konular: İnşaat Mühendisliği, Civil Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2015
- Dil: Türkçe
- Üniversite: Erciyes Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Yapı Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu çalışmada; hasarlı kirişlerin çatlak parametrelerini ve sağlam kirişlerin doğal frekanslarını belirlemede Yapay Sinir Ağlarının uygulanabilirliği incelenmiştir. Veri girişinin doğrulanması ve çalışılması için çok katmanlı algılayıcı (MLP) ve radyal tabanlı yapay sinir ağları (RBNN) kullanılmıştır. Çalışmanın ilk bölümünde, serbest titreşimin ilk dört frekansı ağlar tarafından kiriş özelliklerine göre tahmin edilmektedir. Çalışmanın ikinci bölümünde, titreşim frekansları tahmininde yapay sinir ağlarının etkinliği gösterilmiştir. Bu aşamada geri problem, frekans ve dönme mod şekli sapmaları, çatlak parametreleri belirlemek için kiriş özelliklerine ek olarak, ağlara girdi olarak kullanılmıştır. Dönemleri ve yayılma değerleri farklı gizli düğümler, en düşük hata tahminleri veren en uygun sinir ağlarını bulmak için çalışılmıştır. Çalışmanın her iki bölümünde, RBNN modelinin daha iyi performans sergilediği görülmüştür. Gürültü varlığında ağ modellerinin sağlamlığı da gösterilmektedir. Bu çalışma, en iyi MLP ağının gürültü varlığında biraz daha iyi çatlak parametreleri öngördüğünü göstermiştir. Sonuç olarak, eğitilmiş RBNN modeli bir çatlak tanımlama algoritması olarak kiriş gibi yapıların sağlıklı izlenmesinde kullanılabilir.
Özet (Çeviri)
Applicability of artificial neural networks is examined in determining the natural frequencies of intact beams and crack parameters of damaged beams. Multi-layer perceptron (MLP) and radial basis neural networks (RBNN) are utilized for training and validation of input data. In the first part of the study, the first four frequencies of free vibration are predicted based on beam properties by the networks. Showing the effectiveness of the neural networks in predicting the vibrational frequencies, the second part of the study is carried out. At this stage of the inverse problem, the frequencies and mode shape rotation deviations in addition to beam properties are used as input to the networks to determine the crack parameters. Different hidden nodes, epochs and spread values are tried to find the optimal neural networks that give the lowest error estimates. In both parts of the study, the RBNN model performs better. The robustness of the network models in the presence of noise is also shown. It is shown that the optimal MLP network predicts the crack parameters slightly better in the presence of noise. As a conclusion, the trained RBNN model can be used in health monitoring of beam-like structures as a crack identification algorithm.
Benzer Tezler
- Design and structural finite element analysis of an artificial neural network based optimized alpha type stirling engine
Yapay sinir ağı bazlı optimize edilmiş bir stırlıng motorunun tasarımı ve yapısal sonlu elemanlar analizi
CENGİZ YILDIZ
Yüksek Lisans
İngilizce
2019
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. ATA MUGAN
DR. ÖĞR. ÜYESİ FATMA BAYATA
- Bipolar parsiyel protez uygulanmış kalça kırıklı hastalarda makine öğrenme yöntemleri ile perioperatif prognoz ve maliyet analizi
Perioperative prognosis and cost analysis in patients who have undergone bipolar hemiarthroplasty with hip fracture by using machine learning algorithms
KEMAL ZENCİRLİ
Tıpta Uzmanlık
Türkçe
2020
Ortopedi ve TravmatolojiAtatürk ÜniversitesiOrtopedi ve Travmatoloji Ana Bilim Dalı
PROF. DR. ÖMER SELİM YILDIRIM
DR. ÖĞR. ÜYESİ MUHAMMED ÇAĞATAY ENGİN
- Türkiye denizcilik sektöründe çalışma şartları (monografik bir etüd)
Başlık çevirisi yok
A.MURAT ASLANER
Yüksek Lisans
Türkçe
1988
İşletmeİstanbul ÜniversitesiÇalışma Ekonomisi ve Endüstri İlişkileri Ana Bilim Dalı
PROF. DR. TURAN YAZGAN
- Yapay sinir ağları ile kesme donatısız betonarme kirişlerin analizi
An analysis of reinforcement concrete without web reinforcement using artificial neural networks
HÜSEYİN SERDAR KÜYÜK
Yüksek Lisans
Türkçe
2005
İnşaat MühendisliğiYıldız Teknik ÜniversitesiY.DOÇ.DR. HASAN ORHUN KÖKSAL
Y.DOÇ.DR. NACİ ÇAĞLAR
- Kalman filtresi ve yapay sinir ağları yardımı ile kuvvet tahmini
Force estimation by using kalman filter and artificial neural networks
ÇAĞDAŞ MIDIKLI
Yüksek Lisans
Türkçe
2023
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. ATA MUĞAN