Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 12

Liczba wyników na stronie
first rewind previous Strona / 1 next fast forward last
Wyniki wyszukiwania
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
EN
Composite materials mainly used in the aeronautics industry are gaining more and more application in various areas such as the construction of bridges. The article presents a set of dynamic researches carried out on a plate made of lightweight concrete reinforced with composite bars. The tested plate with dimensions 514 x 190 x 18 cm was a model of the real bridge deck. A multi-channel signal recorder with specialized software was used for performing the measurements and to estimate modal parameters of the plate. Dynamic response of the plate on a modal hammer impact was measured with numerous of piezoelectric acceleration sensors. The vibration tests were carried out simultaneously with statics tests only for non-cracked concrete of the plate. A range of FEM models was created, started with analytical 1-D beam model. Next, more complex 2-D plate and 3-D volume models were developed. The aim was to show how the results change in terms of complexity of the model. Only in the 3-D model the composite rebar was modelled. Additionally, in case of 2-D and 3-D models there were considered various lengths of the selected support. The basic frequencies and mode shapes obtained for physical model were compared with those for numerical models. There were significant differences. The conducted analysis indicated more complicated than theoretical boundary conditions of the tested plate.
PL
Materiały kompozytowe, używane głównie w przemyśle lotniczym, coraz częściej wykorzystywane są również w konstrukcjach mostowych. W niniejszym artykule przedstawiono badania dynamiczne płyty pomostu wykonanej z betonu lekkiego zbrojonego prętami kompozytowymi oraz ciąg modeli MES mających na celu odwzorowanie modelu laboratoryjnego płyty. Płyta poddana badaniom miała wymiary 514 x 190 x 18 cm. Odpowiedź dynamiczną płyty mierzono piezoelektrycznymi czujnikami przyspieszeń. Zastosowano 27 jednoosiowych czujników przyspieszeń, co pozwoliło na rejestrowanie przyspieszenia drgań w kierunku pionowym Z wzbudzanych młotkiem modalnym. Do pomiarów wykorzystano wielokanałowy rejestrator sygnałów. Oprogramowanie rejestratora zapewnia prowadzenie eksperymentalnej klasycznej analizy modalnej włącznie z estymacją biegunów metodą PolyMAX oraz wizualizację uzyskanych wyników. W celu odwzorowania zachowania modelu laboratoryjnego wykonano szereg modeli obliczeniowych. Zaczynając od uproszczonego modelu analitycznego 1-D, następnie poprzez modele numeryczne metody elementów skończonych 1-D, 2-D i 3-D wykonane w programie ADINA, ukazano jak zmieniają się wyniki w zależności od złożoności modelu. W modelach 2-D i 3-D uwzględniono możliwość niepełnego podparcia płyty na jednej ze skrajnych podpór, co sugerowały wyniki otrzymane na drodze badań. Obecność zbrojenia została uwzględniona jedynie w modelu 3-D. Obliczone podstawowe częstotliwości drgań własnych oraz odpowiadające im formy drgań porównano z częstotliwościami i formami otrzymanymi podczas badań laboratoryjnych. Stwierdzone różnice w formach drgań wskazywały na odbiegający od założonego sposób podparcia płyty.
PL
Celem przeprowadzonych badań było ustalenie parametrów dynamicznych dźwigara kompozytowego z kompozytową płytą pomostową, tj. ustalenie częstotliwości drgań rezonansowych, postaci drgań i współczynników tłumienia. Zastosowana eksperymentalna analiza modalna polegała na pomiarze siły wymuszającej oraz rejestracji odpowiedzi konstrukcji w postaci sygnałów przyśpieszeń w wybranych punktach. Posłużono się metodą SIMO (single input – multiple output), tj. wzbudzenie drgań w jednym punkcie, z jednoczesnym pomiarem przyspieszeń w wielu punktach. W badaniach zastosowano wymuszenie harmoniczne zrealizowane za pomocą wzbudnika modalnego.
EN
The purpose of the study was to estimate modal parameters of the composite girder with a composite deck panel. Experimental modal analysis with a SIMO test was used. Dynamic response of the beam to harmonic excitation was measured with numerous of piezoelectric acceleration sensors. The basic frequencies, vibration modes and damping coefficients were found.
3
EN
The paper precisely describes the measurement set-up, location of all measurement and excitation points used during the dynamic measurements of Grot-Rowecki Bridge in Warsaw, Poland. Measurement equipment as well as all the obtained results in a form of pairs of related eigenfrequencies and eigenforms are presented in this article.
PL
W artykule precyzyjnie opisano sprzęt pomiarowy, lokalizację punktów wymuszenia i czujników przyspieszeń wykorzystanych w trakcie pomiarów dynamicznych mostu Grota- Roweckiego w Warszawie (Polska). Zaprezentowane zostały także rezultaty przeprowadzonych badań w postaci form drgań swobodnych i odpowiadających im częstotliwości.
EN
The paper is a development of research originated in [8]. The identification problem deals with searching the location of a small mass attached to a steel plate. The corresponding inverse problem is based on measurement of dynamic plate responses on a laboratory model of the plate, taking into account only the bending plate eigenfrequencies. In the inverse analysis the Recurrent Cascade Neural Network was applied, developed in [3]. Much attention is paid to recognition of identification possibilities of RCNN. The testing process is in fact an unsupervised learning, which can lead to unstable and inaccurate recurrence procedure. That is why the verification testing process was carried out adopting the barrier bound approach. These problems are discussed in the present paper.
PL
Artykuł prezentuje zastosowanie sztucznych sieci neuronowych do rozwiązania problemu odwrotnego, czyli określenia położenia dodatkowej masy w układzie drgającej płyty na podstawie zmian parametrów modalnych. W wyniku przeprowadzonych na modelu laboratoryjnym pomiarów uzyskano charakterystyki dynamiczne, które zostały następnie przetworzone w celu uzyskania danych wykorzystywanych w sieciach neuronowych. Zastosowanie sieci neuronowych pozwoliło na efektywne zrealizowanie zadania odwrotnego. W pracy omówiono różne sposoby przetwarzania danych pomiarowych.
EN
This paper presents the possibility of application of Artificial Neural Networks for solution of an inverse problem. Based on the dynamic characteristics of a plate obtained by an experiment, the neural identification of location of additional mass were performed. In the paper the different ways of preparation of learning data for neural networks are discussed.
6
Content available remote Lokalizacja dodatkowej masy w układzie drgającej płyty
EN
This paper presents the application of Artificial Neural Networks [1,2] for solution of an inverse problem. Based on the dynamic characteristics of a plate, the neural identification of parameters of additional mass have been performed. Emphasis was placed on the effective preparation of learning data, which were obtained by experiment.
EN
Some problems of neurocomputing in the dynamics of structures are presented: 1) damage detection using wave propagation, 2) updating of portal frames finite element models, 3) detection of the void and additional mass in cantilever plates, 4) neural network modelling of an "artificial boundary condition". The analysed problems are related to both data prepared by computational systems and that taken from experimental evidence.
PL
W artykule przedstawiono zastosowanie sieci neuronowych w wybranych zagadnieniach dynamiki konstrukcji: 1) wykrywanie uszkodzeń w elementach prętowych na podstawie propagacji fali, 2) dostrajanie modeli MES ram portalowych, 3) wykrywanie pustki i dodatkowej masy w drgającej płycie wspornikowej, 4) modelowanie "sztucznej granicy" w zagadnieniu propagacji fali. Rozpatrywane problemy dotyczą zarówno modeli numerycznych, jak i eksperymentalnych.
PL
Niniejszy artykuł prezentuje zastosowanie Sztucznych Sieci Neuronowych do rozwiązania problemu odwrotnego dla drgającej płyty wspornikowej. Na podstawie zmierzonych doświadczalnie parametrów dynamicznych układu przeprowadzono neuronową identyfikację współrzędnych położenia dodatkowej masy. W pracy położono nacisk na efektywne przygotowanie danych uczących.
EN
The paper presents the application of Artifical Neural Nwtwork (ANNs) for solution of an inverse problem. Based on the dynamic characteristics of a plate, the neural identification of parameters of circular hole and additional mass have been performed. An emphasis was placed on the effective preparation of learning data.
9
Content available remote Identyfikacja położenia otworu kołowego w tarczy przy użyciu sieci neuronowych
EN
The numerical tests have been carried out for rectangular plates with internal defect in a form of a circular hole. The wide variety of hole's positions and diameters were checked. Two identification procedures are presented. Neural network analysis of the calculated eigenfrequencies is the first way to obtain the hole's center coordinates and hole's diameter. The second one is based on analysis of a structural response to a harmonic excitation. The multi-layer feed forward backpropagation neural networks with one hidden layer have been applied. The two approaches of network's architectures have been applied; standard and cascade.
10
Content available remote Wybrane zastosowania sztucznych sieci neuronowych w dynamice konstrukcji
EN
Recently Artificial Neural Networks (ANN) have been applied in numerous fields of civil engineering, e.g. damage identification, structure parameters identification, indestructive testing, structure state estimation, and others. Some results of ANN application are discussed in short, related to the research done at Faculty of Civil and Environmental Engineering of Rzeszow University of Technology. Four examples of application of ANN in static and dynamic of structures are presented: 1) identification of load causing partial yielding in the cross-section of a simple supported beam, 2) identification of parameters of the model of semi-rigid beam-to-column connection, 3) detection of a damage in structural elements using wave propagation, 4) updating of a numerical model of a multi-storey frame. The non-destructive methods of detection of damage and the change in structural elements have been analysed. This methods allow to make state estimation of a structure as well as to predict period of safety usage. Neural networks are applied in both detection of the damage and estimation of location and scale of the damage. To this end finite element models are used. This approach allows analysis of the way of solution and plan the experiment. The method of updating of a discrete model of a multi-storey frame is presented. Two methods of compression of the input vector are presented: compression by a neural network and calculating some geometrical characteristics of the input signal. The method of compression by neural network is used in compression of the time signal and frequency response function. Neural networks can be efficiently applied in the field of dynamic of structures and they can deal with the numerical and experimental data. ANNs can be valuable tool for the analysis of structural damage problems.
PL
Omówiono zastosowanie sztucznych sieci neuronowych do identyfikacji parametrów modelu połączeń półsztywnych, opartej na danych geometrycznych i materiałowych połączeń.
EN
The paper presents application of Artificial Neuronal Networks for identification of parameters of semi-rigid connection model. Identification was based on the material and geometrical data of the connection.
12
Content available remote Beam yielding load identification by neural networks
EN
The paper presents the application of Artificial Neural Networks for the identification of the load causing a partial yielding in the cross-section of a simple supported beam. The identification of the load was based on a change of the dynamic parameters (eigenfrequencies) of the partially yielding structure. On this basis and using neural networks a tool for the location and evaluation of the load causing the deformation was built. The optimum network architecture, learning algorithm, number of epochs, and the minimum number of eigenfrequencies have been found. In order to come to the final conclusions, a wide variety of network architectures (from simple networks with four neurons in one hidden layer to complex networks consisting of two or three simple networks), learning algorithms and different numbers of learning epochs have been tested.
first rewind previous Strona / 1 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.