مقايسه الگوريتم هاي ماشين بردار پشتيبان حداقل مربعات، سيستم استنتاج فازي عصبي تطبيقي، شبكه عصبي تابع بنيادي شعاعي و بزرگترين مرز نزديكترين همسايگي در عيب يابي سازه ها

امروزه استفاده از الگوریتم های مبتنی بر هوش مصنوعی در زمینه عیب یابی سازه ها مورد توجه بسیاری از محققین قرار گرفته است. در این تحقیق جهت تشخیص عیوب چندگانه در سیستم های سازه ای، چهار الگویتم هوش مصنوعی درون یاب مورد مقایسه قرار گرفته است . بدین منظور ، از الگوریتم های ماشین بردار پشتیبان حداقل مربعات(LS-SVM) سیستم استنتاج فازی عصبی تطبیقی، (ANFIS)، شبكه عصبی تابع بنیادی شعاعی (RBFNN) و بزرگترین مرز نزدیكترین همسایگی (LMNN) برای طراحی سیستم عیب یابی هوشمند سازه ها استفاده شده است. وظیفه سیستم عیب یاب، شناسایی محل و میزان آسیب در سازه ها می باشد. آسیب در سازه ها توسط كاهش سختی مدل شده و همچنین از تغییرات فركانس های سازه به عنوان ورودی سیستم عیب یاب استفاده می گردد.. به منظور ارزیابی عملكرد روش پیشنهادی، مثالهای عددی حل شده و نتایج بیانگر دقت بیشتر LS-SVM نسبت به سایر الگوریتم های مورد بررسی در این پژوهش جهت عیب یابی سازه ها می باشد.