رفتن به مطلب

PREDICTING THE BUCKLING CAPACITY OF STEEL CYLINDRICAL SHELLS WITH RECTANGULAR STRINGERS UNDER AXIAL


admin
 اشتراک گذاری

پست های پیشنهاد شده

  • Administrators

  PREDICTING THE BUCKLING CAPACITY OF STEEL CYLINDRICAL SHELLS WITH RECTANGULAR STRINGERS UNDER AXIAL LOADING BY USING ARTIFICIAL NEURAL NETWORKS


Z. Kalantari and M. S. Razzaghi


Abstract    A parametric study was carried out in order to investigate the buckling capacity of the vertically stiffened cylindrical shells. To this end ANSYS software was used. Cylindrical steel shells with different yield stresses, diameter-to-thickness ratios (D/t) and number of stiffeners were modeled and their buckling capacities were calculated by displacement control nonlinear static analysis. Radial basis function (RBF) neural networks were used to predict the buckling capacity of shells. Herein 70 percent of the results of numerical analyses were used to train the neural network and the remainders were used to test and validate the results of neural networks. Results of this study showed that RBF neural networks are useful tools to predict the buckling capacity of vertically stiffened cylindrical shells. It was also shown that buckling capacities of stiffened shells exponentially vary by distance of adjacent stiffeners (unstiffened length).                                                             Keywords    Buckling, cylindrical shells, stiffener, Artificial Neural Networks                                                                 


چکیده    به منظور بررسی ظرفیت کمانش پوسته های مطالعات پارامتریک پوسته های استوانه ای با سخت کننده های قائم، مطالعات پارامتریک به انجام رسید. برای این منظور از نرم افزار ANSYS استفاده شد. پوسته ای استوانه ای فولادی با تنش جاری شدن، نسبت ارتفاع به قطر و تعداد سخت کننده های گوناگون مدلسازی شدند و ظرفیت کمانش آنها با استفاده از تحلیل استاتیکی غیر ارتجاعی با کنترل تغییر مکان محاسبه شد. به منظور پیش بینی ظرفیت محوری کمانش از شبکه عصبی RBF استفاده شد. برای این منظور هفتاد درصد از نتایج خروجی تحلیل های عددی برای آموزش شبکه استفاده شدند و مابقی برای تست و صحت سنجی نتایج کنار گذاشته شدند. نتایج این پژوهش نشان می دهد، شبکه های عصبی RBF ابزاری مناسب برای پیش بینی ظرفیت کمانش پوسته های استوانه ای با سخت کننده قائم هستند. علاوه بر این نشان داده شد که تغییرات ظرفیت کمانش پوسته ها با فاصله سخت کننده های مجاور (طول مهار نشده) به صورت نمایی تغییر می کند.


Hidden Content

    Give reaction or reply to this topic to see the hidden content.

Hidden Content

    Give reaction or reply to this topic to see the hidden content.

Hidden Content

    Give reaction or reply to this topic to see the hidden content.
لینک به دیدگاه
به اشتراک گذاری در سایت های دیگر

برای ارسال دیدگاه یک حساب کاربری ایجاد کنید یا وارد حساب خود شوید

برای اینکه بتوانید دیدگاهی ارسال کنید نیاز دارید که کاربر سایت شوید

ایجاد یک حساب کاربری

برای حساب کاربری جدید در سایت ما ثبت نام کنید. عضویت خیلی ساده است !

ثبت نام یک حساب کاربری جدید

ورود به حساب کاربری

دارای حساب کاربری هستید؟ از اینجا وارد شوید

ورود به حساب کاربری
 اشتراک گذاری

  • 220 نظرسنجی در مورد ارجاع نظارت در نظام مهندسی

    1. 1. نظر شما در مورد ارجاع نظارت در نظام مهندسی چیست؟


      • موافقم
      • مخالفم
      • با انجام اصلاحاتی در فرآیند موجود، موافقم

  • آمارهای کاربران

    • کل کاربران
      12,472
    • بیشترین افراد آنلاین
      17,603

    جدیدترین کاربر
    Annelmip
    تاریخ عضویت
  • چه کسانی آنلاین هستند؟ (مشاهده لیست کامل)

    • در حال حاضر هیچ کاربر عضوی آنلاین نیست
  • کاربران

    • hamidt

      hamidt 1

      Members
      تاریخ عضویت :
      آخرین فعالیت :
    • behzad.g

      behzad.g 39

      Members
      تاریخ عضویت :
      آخرین فعالیت :
    • mohsen6176

      mohsen6176 0

      Members
      تاریخ عضویت :
      آخرین فعالیت :
    • ramin1357

      ramin1357 4

      Members
      تاریخ عضویت :
      آخرین فعالیت :
    • rahmatii

      rahmatii 34

      Members
      تاریخ عضویت :
      آخرین فعالیت :
    • saeede-k

      saeede-k 18

      Members
      تاریخ عضویت :
      آخرین فعالیت :
    • mehran7240

      mehran7240 32

      Members
      تاریخ عضویت :
      آخرین فعالیت :
    • farbodkhani

      farbodkhani 88

      Members
      تاریخ عضویت :
      آخرین فعالیت :
    • BehrouzMoradi

      BehrouzMoradi 15

      Members
      تاریخ عضویت :
      آخرین فعالیت :
    • admin

      admin 1,755

      Administrators
      تاریخ عضویت :
      آخرین فعالیت :

درباره ما

انجمن های گفتگوی ایران سازه ، وبسایت تخصصی مهندسی عمران

این انجمن ، نسخه جدید انجمن ایران سازه میباشد

Follow us

×
×
  • اضافه کردن...