یک روش هوشمند برای طبقهبندی ترک در سازههای بتنی بر اساس شبکههای عصبی عمیق | ||
| نشریه مهندسی عمران امیرکبیر | ||
| مقاله 3، دوره 53، شماره 8، آبان 1400، صفحه 3201-3220 اصل مقاله (2.1 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22060/ceej.2020.17738.6660 | ||
| نویسندگان | ||
| نوشین بیگدلی* 1؛ حامد جباری2؛ مهدی شجاعی3 | ||
| 1گروه مهندسی بزق-کنترل، دانشکده فنی و مهندسی، دانشگاه بین المللی امام خمینی (ره) | ||
| 2گروه مهندسی برق-کنترل، دانشکده فنی و مهندسی، دانشگاه بین‏‏المللی امام خمینی(ره)، قزوین، ایران، | ||
| 3گروه مهندسی برق-کنترل، دانشکده فنی و مهندسی، دانشگاه بین‏‏المللی امام خمینی(ره)، قزوین، ایران | ||
| چکیده | ||
| شناسایی و بررسی انواع ترکها در سازههای بتنی یکی از موضوعات چالشبرانگیز در حوزه مهندسی به شمار میرود. تشخیص چندشاخگی در ترک به دلیل اینکه موجب شناسایی سطوح شدت بالا در سازههای بتنی میشود، از اهمیت بسزایی برخوردار است. در این مقاله یک معماری جدید بر مبنای شبکههای عصبی کانولوشنی برای طبقهبندی ترک در سازههای بتنی ارائه گردید. معماری پیشنهادی در زمان کمتر و صحت بالاتر نسبت به سایر معماریهای مرسوم و معتبر در یادگیری عمیق، چندشاخگی در ترک را شناسایی و طبقهبندی کرد. در این مقاله ترکهای موجود در 12000 تصویر سازههای بتنی توسط الگوریتم پیشنهادی بررسی شدند که در نتیجه این تصاویر با صحت 99/3 درصد در دستههای تصاویر بدون ترک، تصاویر دارای ترک ساده و تصاویر دارای چندشاخگی در ترک طبقهبندی شدند. همچنین تحلیل ماتریس درهمریختگی نشان از دقت 99/3 درصد و فراخوانی99/5 درصد داشت که تأییدی بر عملکرد مناسب الگوریتم پیشنهادی بود. آنالیز حساسیت الگوریتم پیشنهادی نیز الزام وجود تناسب میان تعداد داده، تعداد نورونهای لایه تماماً متصل، زمان اجرا و درصد صحت مورد انتظار با توجه به کابرد مسأله را نشان داد. | ||
| کلیدواژهها | ||
| ترک؛ سازههای بتنی؛ یادگیری ماشین؛ یادگیری عمیق؛ شبکههای عصبی کانولوشنی | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 1,519 تعداد دریافت فایل اصل مقاله: 2,168 |
||
| تعداد نشریات | 9 |
| تعداد شمارهها | 455 |
| تعداد مقالات | 5,771 |
| تعداد مشاهده مقاله | 8,383,828 |
| تعداد دریافت فایل اصل مقاله | 6,941,885 |