پایان نامه کارشناسی ارشد با عنوان: بهینه سازی قاب های صلب ساختمانی تحت اثر بار زلزله به روش الگوریتم وراثتی و با استفاده از شبکه های عصبی
دانشگاه سیستان و بلوچستان
استاد راهنما: دکتر محمدرضا قاسمی – پروفسور عیسی سلاجقه
پژوهشگر: احمد محمدزاده
بهار 1383
فرمت فایل: PDF و شامل 222 صفحه
چکیده:
بهینه کردن یک تابع عبارت است از تعیین متغییرهایی موثر بر تابع به روشی معین به طوری که مقدار این تابع به ازای آن متغییرها حداکثر یا حداقل شود و همزمان شرایط خاصی که بر آن مدل حاکم است ارضاء گردند. اگر در فرآیند بهینه سازی یک سازه، تابع هدف تعیین حداقل وزن آن سازه به ازای ارضاء تمامی شرایط طراحی باشد، در این حالت گوییم که کمینه سازی وزن سازه را انجام دادهایم. عمل بهینه سازی در یک سازه میتواند برای حالات مختلف بارگذاری انجام گیرد که در این تحقیق برای اولین بار بحث بهینه کردن وزن اسکلت قابهای دوبعدی ساختمان تحت اثر بارهای مرده، زنده، زلزله و ترکیب آنها و تحلیل دینامیکی سازه به روش تاریخچه زمانی به عنوان هدف اصلی مطرح گردید. برای نیل به این هدف از روش بهینه سازی الگوریتم وراثتی که روشی مؤثر برای بهینه سازی با متغیرهای گسسته است، استفاده گردید. قیود طراحی نیز محدود کردن تنشهای اعضاء و جابجایی حداکثر طبقهی آخر میباشد که با کنترل روابط آیین نامه فولاد ایران (آفا) حاکم بر طرح سازههای فولادی انجام میگیرد اما ماهیت تصادفی بودن الگوریتم وراثتی همگرایی روش را کند میکند. از طرف دیگر با افزایش تعداد درجات آزادی سازه، بهینه سازی آن مستلزم صرف زمانهای طولانی بوده و در برخی موارد غیر عملی میشود.
در راستای کاهش زمان بهینه سازی، در این تحقیق روش پردازش امواج برای کاهش تعداد نقاط مدل کنندهی منحنی تاریخچه زمانی مطرح گردید. با این روش میتوان موج زلزلهی طرح را با تعداد نقاط کمتری مدل کرده و در نتیجه به میزان قابل توجهی از زمان تحلیل و به تبع آن زمان بهینه سازی کاسته خواهد شد. در این راستا از تکنیک پردازش امواج به روش تبدیلات موجکی استفاده گردید. این روش، روشی نوین در پردازش امواج در حوزهی زمان – فرکانس میباشد. بدین ترتیب اطلاعات فرکانس – زمان به طور هم زمان پردازش گردیده و ارائه میشود. همچنین جهت هر چه بیشتر کارآمد کردن روش اتخاذ شده استفاده از سیستمهای هوشمند مبتنی بر شبکههای عصبی تقریب ساز تحلیل سازه نیز به کار گرفته شده. برای این منظور از شبکه عصبی مصنوعی تابع بنیادی شعاعی استفاده گردید. این نوع شبکه عصبی، تاکنون در تقریب سازی تحلیل قابهای ساختمانی تحت اثر بارهای دینامیکی مورد استفاده قرار نگرفته بود. با استفاده از این نوع شبکه عصبی، الگوریتمی تهیه گردید که به ایجاد کاهش قابل ملاحظهی زمان تحلیل سازه میانجامد. راهکارهای مطرح شده در متن اصلی پایان نامه به طور کامل تشریح شده و نتایج به دست آمده نشان از کارآیی روشهای اتخاذ شده دارند.
برای هر یک از مراحل کاری این تحقیق برنامههای خاص آن مرحله، از جمله بهینه ساز به روش الگوریتم وراثتی، پردازش کننده امواج به روش تبدیلات موجک تهیه شده و برای تحلیل و طراحی سازه از برنامههای SAPSTL ، SAP90 به کار گرفته شد. همچنین از محیط نرم افزار MATLAB 6.5 جهت شبیه سازی شبکهی عصبی مصنوعی تابع بنیادی شعاعی استفاده شده است.
می توانید نمونه نمایشی شامل 20 صفحه نخست پایان نامه را از لینک زیر دریافت کنید.
http://omidcivil.persiangig.com/sellfile/191n.zip/download
مشاهده آنلاین و دریافت فایل نمونه:
https://drive.google.com/file/d/0B3BBM5yT_t4ZRDA3ZzcybG5Nams
** توجه: خواهشمندیم در صورت هرگونه مشکل در روند خرید و دریافت فایل از طریق بخش پشتیبانی در سایت مشکل خود را گزارش دهید. **
دانشگاه سیستان و بلوچستان
استاد راهنما: دکتر محمدرضا قاسمی – پروفسور عیسی سلاجقه
پژوهشگر: احمد محمدزاده
بهار 1383
فرمت فایل: PDF و شامل 222 صفحه
چکیده:
بهینه کردن یک تابع عبارت است از تعیین متغییرهایی موثر بر تابع به روشی معین به طوری که مقدار این تابع به ازای آن متغییرها حداکثر یا حداقل شود و همزمان شرایط خاصی که بر آن مدل حاکم است ارضاء گردند. اگر در فرآیند بهینه سازی یک سازه، تابع هدف تعیین حداقل وزن آن سازه به ازای ارضاء تمامی شرایط طراحی باشد، در این حالت گوییم که کمینه سازی وزن سازه را انجام دادهایم. عمل بهینه سازی در یک سازه میتواند برای حالات مختلف بارگذاری انجام گیرد که در این تحقیق برای اولین بار بحث بهینه کردن وزن اسکلت قابهای دوبعدی ساختمان تحت اثر بارهای مرده، زنده، زلزله و ترکیب آنها و تحلیل دینامیکی سازه به روش تاریخچه زمانی به عنوان هدف اصلی مطرح گردید. برای نیل به این هدف از روش بهینه سازی الگوریتم وراثتی که روشی مؤثر برای بهینه سازی با متغیرهای گسسته است، استفاده گردید. قیود طراحی نیز محدود کردن تنشهای اعضاء و جابجایی حداکثر طبقهی آخر میباشد که با کنترل روابط آیین نامه فولاد ایران (آفا) حاکم بر طرح سازههای فولادی انجام میگیرد اما ماهیت تصادفی بودن الگوریتم وراثتی همگرایی روش را کند میکند. از طرف دیگر با افزایش تعداد درجات آزادی سازه، بهینه سازی آن مستلزم صرف زمانهای طولانی بوده و در برخی موارد غیر عملی میشود.
در راستای کاهش زمان بهینه سازی، در این تحقیق روش پردازش امواج برای کاهش تعداد نقاط مدل کنندهی منحنی تاریخچه زمانی مطرح گردید. با این روش میتوان موج زلزلهی طرح را با تعداد نقاط کمتری مدل کرده و در نتیجه به میزان قابل توجهی از زمان تحلیل و به تبع آن زمان بهینه سازی کاسته خواهد شد. در این راستا از تکنیک پردازش امواج به روش تبدیلات موجکی استفاده گردید. این روش، روشی نوین در پردازش امواج در حوزهی زمان – فرکانس میباشد. بدین ترتیب اطلاعات فرکانس – زمان به طور هم زمان پردازش گردیده و ارائه میشود. همچنین جهت هر چه بیشتر کارآمد کردن روش اتخاذ شده استفاده از سیستمهای هوشمند مبتنی بر شبکههای عصبی تقریب ساز تحلیل سازه نیز به کار گرفته شده. برای این منظور از شبکه عصبی مصنوعی تابع بنیادی شعاعی استفاده گردید. این نوع شبکه عصبی، تاکنون در تقریب سازی تحلیل قابهای ساختمانی تحت اثر بارهای دینامیکی مورد استفاده قرار نگرفته بود. با استفاده از این نوع شبکه عصبی، الگوریتمی تهیه گردید که به ایجاد کاهش قابل ملاحظهی زمان تحلیل سازه میانجامد. راهکارهای مطرح شده در متن اصلی پایان نامه به طور کامل تشریح شده و نتایج به دست آمده نشان از کارآیی روشهای اتخاذ شده دارند.
برای هر یک از مراحل کاری این تحقیق برنامههای خاص آن مرحله، از جمله بهینه ساز به روش الگوریتم وراثتی، پردازش کننده امواج به روش تبدیلات موجک تهیه شده و برای تحلیل و طراحی سازه از برنامههای SAPSTL ، SAP90 به کار گرفته شد. همچنین از محیط نرم افزار MATLAB 6.5 جهت شبیه سازی شبکهی عصبی مصنوعی تابع بنیادی شعاعی استفاده شده است.
می توانید نمونه نمایشی شامل 20 صفحه نخست پایان نامه را از لینک زیر دریافت کنید.
http://omidcivil.persiangig.com/sellfile/191n.zip/download
مشاهده آنلاین و دریافت فایل نمونه:
https://drive.google.com/file/d/0B3BBM5yT_t4ZRDA3ZzcybG5Nams
** توجه: خواهشمندیم در صورت هرگونه مشکل در روند خرید و دریافت فایل از طریق بخش پشتیبانی در سایت مشکل خود را گزارش دهید. **
بهینه سازی قاب های صلب ساختمانی تحت اثر بار زلزله به روش الگوریتم وراثتی و با استفاده از شبکه های عصبی