Affordable Access

GERİYE YAYILMA YAPAY SİNİR AĞI KULLANILARAK ELASTİK KİRİŞLERİN STATİK VE DİNAMİK ANALİZİ

Authors
Publisher
DOKUZ EYLÜL ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ
Publication Date
Keywords
  • Teknolojİ

Abstract

s16-1_127_insaat.doc DEÜ MÜHENDİSLİK FAKÜLTESİ FEN ve MÜHENDİSLİK DERGİSİ Cilt: 6 Sayı: 1 sh. 1-16 Ocak 2004 GERİYE YAYILMA YAPAY SİNİR AĞI KULLANILARAK ELASTİK KİRİŞLERİN STATİK VE DİNAMİK ANALİZİ (STATIC AND DYNAMIC ANALYSIS OF ELASTIC BEAMS BY BACK-PROPAGATION ARTIFICIAL NEURAL NETWORK) Ömer CİVALEK*, H. Hikmet ÇATAL* ÖZET/ABSTRACT Çalışmada çeşitli mesnet şartları için elastik kirişlerin maksimum deplasman ve titreşim frekanslarını veren çok katmanlı bir ağ geliştirilmiştir. Geriye yayılma eğitim algoritması kullanılan çalışmada dört farklı mesnet durumu dikkate alınmıştır. Kiriş maksimum deplasman değeri için; her iki ucun ankastre mesnet (A-A), ankastre mesnet- sabit mesnet (A- S) ve iki ucun mafsallı mesnet (M-M) şartları için eğitilen yapay sinir ağı, ankastre mesnet- boşta uç (A-B) sınır şartı için test edilmiştir. Kiriş serbest titreşimi için ise her iki ucun mafsallı mesnet (M-M) olduğu durum için ağ test edilmiş, diğer üç sınır şartı için eğitilmiştir. Yani gerek deplasman ve gerekse titreşim analizi için eğitim setinde ve test aşamasında kullanılan mesnet şartları farklıdır. Eğitim seti için gerekli data, deplasman ve titreşim frekans değerleri için mevcut analitik ifadelerden ve Rayleigh metodu çözümlerden elde edilmiştir. Elde edilen sonuçlar analitik sonuçlar ile karşılaştırılmıştır. A multi-layer artificial neural network is developed to give maximum deflection and vibration frequencies for various support conditions of elastic beams. Back-propagation training algorithms are used in the study and four support conditions are taken into considerations. For the maximum deflection value, artificial neural network is trained both end clamped, clamped-simply supported and both end simply supported conditions. Cantilever beam boundary conditions, however, are taken in to considerations on the test stage. On the other hand, the network is tested for both end simply supported and it's trained other three support con

There are no comments yet on this publication. Be the first to share your thoughts.