آنالیز فرکانسی تیر ترک‌دار به کمک الگوریتم‌های یادگیری ماشین | ||
| مدل سازی در مهندسی | ||
| دوره 24، شماره 84، بهار 1405، صفحه 213-226 اصل مقاله (813.67 K) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22075/jme.2025.36673.2800 | ||
| نویسندگان | ||
| رستا رازقیان؛ مسعود میر* | ||
| گروه مهندسی مکانیک، دانشکده فناوری های نوین، دانشگاه صنعتی قوچان، قوچان، ایران | ||
| چکیده | ||
| وجود ترک در تیر، مشخصه‌های دینامیکی تیر را تغییر می‌دهد. بنابراین، برای ارزیابی وضعیت تیر، فرکانس‌های طبیعی آن باید بررسی شوند. در این مطالعه، با استفاده از یک راه‌حل عددی بر اساس روش رایلی، فرکانس‌های طبیعی یک تیر با دو ترک بر اساس عمق و موقعیت ترک محاسبه می‌شود. در ادامه با استفاده از زبان برنامه نویسی پایتون، رابطه ریاضی مذکور را در این برنامه وارد کرده تا با ایجاد حلقه‌های تکرار این رابطه را به صورت پی در پی برای ورودی‌های متفاوت حل کند، هدف از این امر تولید مجموعه داده‌ای است که از آن برای آموزش الگوریتم‌های یادگیری ماشین از جمله رگرسیون جنگل تصادفی، رگرسیون افزایش گرادیان، پرسپترون چندلایه و رگرسیون درخت تصمیم جهت پیش‌بینی فرکانس طبیعی استفاده شود. نوآوری کلیدی در مطالعه این استفاده از یک روش جستجوی شبکه‌ای برای تعیین مقدار بهینه داده برای هر الگوریتم است که دقت را افزایش داده و معیار جدیدی جهت مقایسه به نام «حجم داده مورد نیاز» را معرفی می‌کند. این تحقیق نشان داد افزایش اندازه مجموعه داده‌ها معمولاً دقت پیش‌بینی الگوریتم‌ها را افزایش می‌دهد علاوه بر این الگوریتم‌هایی که یک خروجی را پیش‌بینی می‌کنند، در مقایسه با آن‌هایی که چندین خروجی را پیش‌بینی می‌کنند، دقت بالاتری دارند. این مطالعه استفاده مؤثر از الگوریتم‌های یادگیری ماشین را برای پیش‌بینی فرکانس‌های طبیعی نشان می‌دهد. الگوریتم رگرسیون تقویت گرادیان با دقت 75/97 و الگوریتم رگرسیون جنگل تصادفی با دقت 74/95 به عنوان روش‌های برتر برای پیش‌بینی فرکانس‌های تیر ظاهر شدند. | ||
| کلیدواژه‌ها | ||
| یادگیری ماشین؛ تیر ترک‌خورده؛ فرکانس طبیعی؛ پایتون؛ پرسپترون چندلایه‌ای؛ رگرسیون درخت تصمیم | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 1,102 تعداد دریافت فایل اصل مقاله: 272 |
||
| تعداد نشریات | 22 |
| تعداد شماره‌ها | 732 |
| تعداد مقالات | 10,569 |
| تعداد مشاهده مقاله | 73,821,179 |
| تعداد دریافت فایل اصل مقاله | 65,331,275 |