Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Sortuj według:

Ogranicz wyniki do:

Ocena trwałości zmęczeniowej mostu Grunwaldzkiego we Wrocławiu po 100 latach eksploatacji

Bień J., Kużawa M., Rawa P., Zwolski J., Rabiega J., Adamcewicz S., Banakiewicz A.

Inżynieria i Budownictwo

2010

R. 66, nr 12

692-696

Przedstawiono wyniki analiz teoretycznych oraz badań doświadczalnych wykonanych w warunkach normalnej eksploatacji mostu. Na podstawie wyznaczonej liczby cykli obciążeń poszczególnych elementów konstrukcji oszacowano trwałość mostu ze względu na zmęczenie materiału, stosując metodę Palmgrena-Minera oraz metodę kumulacji uszkodzeń, opartą na sekwencji obciążeń.

Results of the theoretical analysis and experimental tests under real traffic condition are presented. Based on the obtained number of load cycles for selected elements fatigue life assessment of Grunwaldzki bridge was carried out by means of Palmgren-Miner rule as well as sequential law in multiaxial fatigue.

Prognozowanie trwałości mostów z wykorzystaniem sieci neuronowych

Bień J., Banakiewicz A.

Ochrona przed Korozją

2008

nr 5s/A

9-16

Modelowanie procesów degradacji konstrukcji budowlanych, a w szczególności obiektów mostowych, jest zagadnieniem bardzo złożonym. W procesach tych można z reguły wyróżnić wiele mechanizmów degradacji wzajemnie oddziaływujących na siebie i zależnych od znacznej liczby czynników. Z tego względu tworzenie precyzyjnych, analitycznych modeli degradacji napotyka na wielkie trudności. Rozwiązaniem alternatywnym mogą być auto-adaptacyjne modele degradacji tworzone na podstawie systematycznej analizy efektów zjawisk degradacyjnych. W pracy przedstawiono koncepcją metodyki tworzenia takich fenomenologicznych modeli degradacji konstrukcji mostowych z zastosowaniem technologii sztucznych sieci neuronowych. Zaprezentowano zasady tworzenia, treningu i testowania sieci neuronowych oraz oszacowania precyzji prognozowania trwałości.

Modelling of degradation processes of building structures - and specially bridges - is very complex. Usually the processes consist of many degradation mechanisms and are stimulated by various interrelated factors. Creation of precise analytical degradation models based o cause-effect relationships is generally very difficult. As alternate solutions can be considered self-adapting models based on systematic analysis of degradation effects. Methodology of creation of such phenomenological degradation models using artificial neural networks for bridge durability forecast is presented in the paper, including composition. training and testing of neural networks as well as assessment of the forecast precision.