Identification of fracture parameters for dense concrete by means of neuro-fuzzy system ANFIS

• Autorzy: Rawicki Z. , Obiała R. , Waszczyszyn Z.

Warianty tytułu

PL

Identyfikacja parametrów pękania betonów ciężkich za pomocą systemu neuro-rozmytego ANFIS

• Języki publikacji: EN

Abstrakty

EN

The Adaptive Neuro-Fuzzy Inference System (ANFIS) is applied to identification of relationship between the values of water-cement ratio (W/C) and the parameters of fracture mechanics according to Mode II of dense concrete (K IIc, J IIc). Regular division of input space and "bell" membership function were adopted in the system. The results were compared with the polynomial approximation.

PL

Adaptacyjny neuronowo-rozmyty system wnioskowania (ANFIS) został zastosowany do identyfikacji zależności pomiędzy wartościami stosunku wodno-cementowego (W/C) a parametrami mechaniki pękania według II modelu betonów ciężkich (KIIc, JIIc). W systemie wykorzystano podział regularny przestrzeni wejściowej i dzwonowe funkcje przynależności. Wyniki zostały porównane z aproksymacją wielomianową.

Słowa kluczowe

PL

beton ciężki; pękanie; ANFIS; wnioskowanie; system neuronowo-rozmyty; zależność; stosunek wodno-cementowy

• Wydawca: Komitet Inżynierii Lądowej i Wodnej PAN ; Politechnika Warszawska, Wydział Inżynierii Lądowej
• Czasopismo: Archives of Civil Engineering
• Rocznik: 2001
• Tom: Vol. 47, nr 4
• Strony: 445--461
• Opis fizyczny: Bibliogr. 13 poz., il.

Twórcy

autor

Rawicki Z.

• Cracow University of Technology, Cracow

autor

Obiała R.

• Cracow University of Technology, Cracow

autor

Waszczyszyn Z.

• Cracow University of Technology, Cracow

Bibliografia

• 1. R. TADEUSIEWICZ, Neural networks [in Polish], Akademicka Oficyna Wydawnicza, Warszawa 1993.
• 2. Z. WASZCZYSZYN [Ed.], Neural networks in the analysis and design of structures, CISM Courses and Lecture Notes No. 404, Springer, Wien-New York 1999.
• 3. P. DĄBROWSKI, Z. RAWICKI, Z. WASZCZYSZYN, Identification of fracture parameters in dense concrete by means of artificial neural networks [in Polish], Proc. 42nd Polish Civil Eng. Conf., Krynica, 4, 1996, 21-28.
• 4. R. PUTANOWICZ, Z. WASZCZYSZYN, Neural network identification of concrete properties, Proc. 5th International Conference on Engineering Applications of Neural Networks, Warsaw, 1999, 286-29l.
• 5. Z. WASZCZYSZYN, M. SŁOŃSKI, Analysis of some problems of experimental mechanics and biomechanics by means the ANFIS neuro-fuzzy system, Journ. of Theoretical and Applied Mechanics, 2, 38, 429-444, 2000.
• 6. J-SH., R. JANG, CH-T. SUN, E. MIZUTANI, Neuro-fuzzy and soft computing, Prentice-Hall, Upper Saddle River, NJ 07458, 1997.
• 7. FUZZY LOGIC TOOLBOX use with MATLAB, User's Guide Version 2, The Math Works Inc., 1998.
• 8. J. WATKINS, Fracture toughness test for soil-cement samples in mode II, Int. Journ. of Fracture, 23, 135-138, 1983.
• 9. Z. RAWICKI, Fracture surface morphology of dense concretes, Proc. Int. Symp. Brittle Matrix Composities 4, IKE and Woodhead Publ., Warsaw 1994, 160-166.
• 10. Z. RAWICKI, Fracture toughness of dense concrete [in Polish], Arch. of Civil Eng., 47, 389-398, 200l.
• 11. G. PROKOPSKI, Investigations on fracture toughness of concrete cast of various aggregates, applying IInd model of fracture [in Polish], Inżyn. Mater., 5, 125-129, 1989.
• 12. ASTM E 813-81, JIIC A measure of fracture toughness.
• 13. D. RUTKOWSKA, M. PLIŃSKI, L. RUTKOWSKI, Neural networks, genetic algorithms and fuzzy systems [in Polish], PWN, Warszawa 1997.