شناسايي ترك با تحليل فركانسهاي طبيعي سازه با استفاده از شبكه‌هاي عصبي نوع GMDH و سيستم عصبي- فازي ANFIS

Identification of Crack Location and Depth in a Structure by GMDH- type Neural Networks and ANFIS

وجود ترك در سازه، موجب نرمي محلي و تغيير در خواص سختي و رفتار ديناميكي سازه مي‌شود. رفتار ديناميكي سازه داراي ترك، به عمق و مكان ترك بستگي دارد؛ از اين رو مي توان براي شناسايي عمق و مكان ترك از تغييرات رفتار ديناميكي سازه ناشي از ترك، استفاده نمود. در اين مقاله ابتدا سه فركانس طبيعي اول يك تير يكسردرگير كه يك ترك سطحي باز براي ده عمق ترك مختلف و براي سي مكان مختلف در آن ايجاد شده است، با استفاده از تحليل المان محدود محاسبه مي شوند. سپس نتايج حاصل از تحليل المان محدود به عنوان ورودي شبكه عصبي نوع GMDH و همچنين سيستم استنتاج تطبيقي عصبي- فازي ANFIS براي مدلسازي و پيش بيني عمق و مكان ترك مورد استفاده قرار مي گيرند. اين روشها براي يك تير ايزوتروپيك يكسرگيردار مورد بررسي و ارزيابي قرار گرفته است كه نتايج حاصل، توانايي مطلوب روشهاي ارايه شده را نشان مي دهد.

The Existence of crack in a structure leads to local flexibility and changes the stiffness and dynamic behavior of the structure. The dynamic behavior of the cracked structure depends on the depth and the location of the crack. Hence, the changes in the dynamic behavior in the structure due to the crack can be used for identifying the location and depth of the crack. In this study the first three natural eigenfrequencies of a cantilever beam having a transverse open crack have been computed for 10 different depths and 30 different locations by the finite element method. These natural eigenfrequencies have been used as input data for GMDH-type neural networks and adaptive neuro-fuzzy inference system, ANFIS, for crack location and depth modeling.