بررسي تاثير تغيير فاصله برشگيرها در تغير مكان جانبي ديوار هاي برشي مركب با استفاده از شبكه هاي عصبي مصنوعي

یكی از سیستم های مقاوم در برابر بار جانبی استفاده از دیوار برشی مركب است. كاربرد این نوع دیوار به دلیل سختی و مقاومت بالا و همچنین شكل پذیری مناسب آن رو به افزایش می باشد. در سیستم دیوار برشی مركب برای بهره گیری از قابلیت شكل پذیری ناشی از كمانش ورق فولادی از پوشش بتنی كه از طریق برشگیرها به ورق فولادی متصل شده است استفاده می گردد. انتخاب فاصله مناسب برشگیر ها علاوه بر جلوگیری از كمانش زود هنگام و استفاده از كل ظرفیت برشی ورق فولادی، در توزیع مناسب و یكنواخت نیرو به المان های مرزی، افزایش استهلاك انرژی، كاهش تنش كششی وارده به برشگیرها و كاهش نیروهای وارده به ستون ها موثر است. برای بررسی چگونگی تاثیر فاصله برشگیرها در تغییر مكان جانبی دیوارهای برشی مركب، نیاز به تحلیل مدل های زیادی است، مدلسازی و تحلیل بخشی از جمعیت اولیه دیوارهای برشی مركب با استفاده از روش اجزاء محدود با بكارگیری نرم افزار آباكوس صورت می گیرد. استفاده از شبكه های عصبی برای گسترش نتایج حاصل از تحلیل اجزاء محدود و سرعت در انجام مطالعه می باشد. شبكه های عصبی از سیستم های هوشمند برای پردازش اطلاعات هستند كه كاربرد این سیستم در علوم مختلف و همچنین مهندسی سازه در حال توسعه است، این ابزار توانایی های خود را در تخمین مناسب مقدار بسیاری از پارامترهای مهندسی نشان داده است. در این مقاله با استفاده از شبكه عصبی مصنوعی آموزش دیده نسبت تغیر مكان جانبی دیوار برشی مركب با توجه به تغییر در فاصله برشگیرها برای ضخامت های مختلف دیوار بتنی با دقت مناسب محاسبه شده است.

One of the resistant systems to lateral loads is the use of a composite shear wall. The utilization of this kind of wall is increasing due to its stiffness, high resistance, and also appropriate ductility. In composite shear wall system to exploit the ductility induced buckling of steel plate used of concrete cover is attached to the steel plate by shear connectors. Select the appropriate distance of shear connectors is effective to: preventing premature buckling, use all of steel plate shear capacity, The distribution and uniformly load to boundary element, Increased energy dissipation, Reduction Tensile stress exerted on the shear connectors and Reduction Forces applied to columns. for study the effect of distance between shear connector to lateral displacement of composite shear walls, requires to analyze many models. Modeling and analysis of composite shear walls with the finite element method by using Abaqus software will be done. The neural networks are used to extend the results of finite element analysis. Neural networks of intelligent systems for information processing and The application of this system being developed in science and Structural Engineering. This tool has shown its ability to estimate the amount of engineering parameters. In this paper by using artificial neural network trained lateral buckling ratio of composite shear wall due to the change in distance between the shear connectors for different thickness of the concrete wall Calculated with reasonable accuracy.