Crack Detection of Timoshenko Beams Using Vibration Behavior and Neural Network

در اين تحقيق ابتدا فركانس‌هاي طبيعي تير تركدار به‌روش تحليلي بدست آمده است. بدنبال آن موقعيت و عمق ترك در تير با استفاده از روش شبكه عصبي تعيين گرديدند. اين مطالعه بر روي يك تير با يك ترك باز و در سه شرايط مرزي مختلف انجام گرفت. براي اين منظور فركانس‌هاي طبيعي تير تركدار در ابتدا به‌روش تحليلي تعيين و براي آموزش شبكه عصبي بكار گرفته شدند. در ادامه و در عكس حالت قبل، شبكه عصبي آموزش ديده جهت تعيين موقعيت و عمق ترك مورد استفاده قرار گرفت. همچنين اثر تعداد فركانس‌هاي طبيعي بعنوان ورودي شبكه عصبي روي دقت كار مورد ارزيابي قرارگرفت. نتايج بدست‌آمده و مقادير خطا نشان ميدهد كه شبكه عصبي روشي توانمند در تعيين محل و عمق ترك در تير مي‌باشد. بعلاوه با افزايش تعداد فركانس‌هاي طبيعي يا همان افزايش محدوده تحليل دقت پيش‌بيني افزايش مي‌يابد.

In this research, at first, natural frequencies of a cracked beam are obtained analytically. Also, the location and the depth of a crack in the beam are identified by neural network method, in this study. This research is applied on a beam with an open edge crack for three different boundary conditions. For this purpose, firstly, the natural frequencies of the cracked beam are analytically obtained to get the examples for training the neural network. Then, inversely, the trained neural network is used for obtaining the location and depth of the crack. The effect of the numbers of the natural frequencies as input of the network was evaluated on the prediction accuracy. Results and measure of errors show that the neural network is a powerful method to determine the location and depth of crack. Also, increasing the numbers of the natural frequencies causes the prediction accuracy to be increased.