(3.238.173.209) 您好!臺灣時間:2021/05/12 12:43
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果

詳目顯示:::

我願授權國圖
: 
twitterline
研究生:夏賢銘
研究生(外文):Hsien-Ming Hsia
論文名稱:應用調適性類神經模糊推論系統從事鋼筋混凝土短柱之最佳化設計
論文名稱(外文):Optimal Design of Reinforced Concrete Short Columns Using Adaptive Neuro Fuzzy Inference System
指導教授:葉錦波
指導教授(外文):Jiin-Po Yeh
學位類別:碩士
校院名稱:義守大學
系所名稱:土木與生態工程學系
學門:工程學門
學類:土木工程學類
論文種類:學術論文
論文出版年:2016
畢業學年度:104
語文別:中文
論文頁數:140
中文關鍵詞:調適性類神經模糊推論系統鋼筋混凝土短柱遺傳演算法減法聚類演算
外文關鍵詞:Adaptive Neuro-Fuzzy Inference SystemReinforced Concrete Short ColumnsGenetic AlgorithmSubtractive Clustering Algorithm
相關次數:
  • 被引用被引用:0
  • 點閱點閱:249
  • 評分評分:系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:0
本論文主要利用調適性類神經模糊推論系統從事鋼筋混凝土短柱之最佳化設計。首先應用遺傳演算法從事鋼筋混凝土短柱之最佳化設計,已知設計條件為設計軸力、中性軸深度、混凝土抗壓強度與鋼筋降伏強度、柱之無支撐長度與軸向鋼筋號數,以國內鋼筋混凝土設計規範為依據,考慮軸向力與彎矩聯合作用、鋼筋淨間距與鋼筋比的限制,建立遺傳演算法之限制式。遺傳演算法之目標函數為混凝土與鋼筋之最低總造價,設計變數為:柱斷面的尺寸,拉力鋼筋根數與壓力鋼筋根數,在執行遺傳演算法過程中程中可同時得到軸向力之偏心距。獲得多組最佳化設計之資料後,將這些資料分為三組:訓練資料、驗證資料與測試資料,作為調適性類神經模糊推論系統訓練、驗證與測試之用。訓練調適性類神經模糊推論系統,本論文應用減法聚類演算法先將資料分成幾個聚類,依聚類性質建立各輸入變數之歸屬函數及得到最少數之模糊規則。數值結果顯示本論文之調適性類神經模糊推論系統所使用之模糊規則數很精簡,介於2至7,而且測試資料之推論系統輸出值與目標值兩者之相關係數皆大於0.94,對複雜之柱設計而言精確度不錯。

This thesis aims to optimally design reinforced concrete short columns by using the adaptive neuro-fuzzy inference system. Using a genetic algorithm, This thesis first works on the optimal design of reinforced concrete short columns. Given conditions are the factored axial load, neutral axis depth, compressive strength of concrete and yield strength of steel, length of the column and the size of the size of steel bars. The constraints are built based on the domestic reinforced concrete engineering design code, by considering the strength requirements of combined axial load and bending, the clear spacing between longitudinal bars and reinforcement ratio. The objective function is to minimize the total cost of steel and concrete and design variables are the column size and number of the tensile reinforcement and compressive reinforcement. The eccentricity of the axial load can be obtained while the genetic algorithm is in the process. A number of optimal data are collected and then divided into three groups: the training set, validation set and testing set, for the use of the adaptive neuro-fuzzy inference system. The data will be classified by the subtractive clustering algorithm in order to build the suitable membership functions for each inputs and the minimum fuzzy rules. Numerical results show that the number of fuzzy rules is very concise, ranging from 2 and 7. The correlation coefficients between targets and the outputs of adaptive neuro-fuzzy inference system are all greater than 0.94. The accuracy is considered to be good for the complicated column design.

摘要.........................................................I
Abstract..................................................... II
誌謝 .......................................................IV
目錄 .......................................................VI
表目錄 .................................................... IX
圖目錄 ..................................................... X
第一章 緒論.................................................1
1.1 研究目的與動機........................................1
1.2 文獻回顧..............................................3
1.2.1 遺傳演算法 ........................................3
1.2.2 模糊理論 ..........................................4
1.2.3 調適性類神經模糊推論系統 ..........................5
1.3 研究流程圖............................................6
第二章 遺傳演算法...........................................8
2.1 基本理論概述..........................................8
2.2 遺傳演算法之特性......................................8
2.3 遺傳演算法之設計架構..................................9
2.3.1 設計參數和編碼...................................11
2.3.2 適應函數 .........................................11
2.3.3 選取與複製 .......................................11
2.3.4 交配.............................................13
2.3.5 突變.............................................15
2.4 遺傳演算法之參數設定.................................17
第三章 類神經網路與調適性類神經模糊推論系統................22
3.1 類神經網路...........................................22
3.2 前饋式倒傳遞類神經網路...............................24
3.3 模糊理論.............................................29
3.3.1 模糊集合.........................................30
3.3.2 模糊集合運算子...................................30
3.3.3 歸屬函數.........................................33
3.4 模糊推論系統.........................................38
3.4.1 模糊化...........................................40
3.4.2 模糊推論.........................................40
3.4.3 模糊規則.........................................42
3.4.4 解模糊化.........................................42
3.5 調適性類神經模糊推論系統.............................45
3.6 模糊聚類.............................................48
3.6.1 減法聚類法.......................................49
3.7 迴歸分析與相關係數...................................51
第四章 鋼筋混凝土短柱之限制式..............................55
4.1 軸力與彎距交互影響圖.................................55
4.2 限制式...............................................60
第五章 設計實例............................................66
5.1 遺傳演算法...........................................66
5.2 前饋式倒傳遞網路.....................................83
5.3 調適性類神經模糊推論系統.............................95
第六章 結論與建議.........................................117
參考文獻..................................................119

[1]中國土木水利工程學會,「混凝土工程設計規範與解說(土木401-100)」,科技圖書,2011。
[2]方俊峰,「適應性網路模糊推論系統於流域暴雨-河川洪水位預報模式之研究」,中國科技大學土木與防災應用科技研究所碩士論文,2009。
[3]王建翔,「應用類神經網路預測台灣近海潮位」,國立聯合大學土木與防災工程學系碩士論文,2011。
[4]王俊穎,「混合式遺傳演算法應用於斜張橋及脊背橋鋼索預力最佳化設計與施工規劃之研究」,國立臺北科技大學工程科技研究所碩士論文,2013。
[5]王建文,「以適應性類神經模糊推論系統預測公共工程決標金額之研究–以高雄市政府水利局標案為例」,國立高雄應用科技大學土木工程與防災科技研究所碩士論文,2013。
[6]王昱中,「智慧型水資源調配策略以因應用水需求成長」,國立臺灣大學生物環境系統工程學研究所碩士論文,2014。
[7]余書維,「遺傳演算法則於群樁低價化設計之應用」,國立中央大學土木工程研究所碩士論文,2003。
[8]呂怡廷,「多目標基因演算法於鋼筋混凝土結構設計之應用」,國立交通大學土木工程系碩士論文,2008。
[9]呂天介,「應用基因迴歸與模糊迴歸演算法於結構系統健康檢測」,逢甲大學土木工程學系碩士論文,2013。
[10]何汲宗灝,「應用多變數迴歸與類神經網路模擬機場能見度」,國立屏東科技大學土木工程系碩士論文,2010。
[11]吳啟誠,「基因演算法於結構拓樸最佳化之應用」,國立中原大學土木工程研究所碩士論文,2009。
[12]邱浩政、林碧芳,「統計學:原理與應用(第三版)」,五南書局,2014。
[13]林拓,「結合數值模擬與模糊理論進行洪水預報最佳化之研究」,國立中興大學土木工程學系所碩士論文,2015。
[14]林哲甫,「以適應性類神經模糊推論系統預測建築工程專案績效之研究」,國立高雄應用科技大學土木工程與防災科技研究所碩士論文,2015。
[15]周至宏,「智慧型系統講義」,國立高雄第一科技大學系統資訊與控制研究所,2006。
[16]洪哲縺,「應用自主性演算法與適應性模糊推論系統評估未來降雨趨勢」,中原大學土木工程研究所碩士論文,2015。
[17]翁偉明,「結合模糊類神經與遺傳演算法於水庫即時操作」,國立中原大學土木工程研究所碩士論文,2008。
[18]許弘政,「模糊控制模式於颱洪時期水庫即時操作之研究」,淡江大學水資源及環境工程學系碩士班碩士論文,2008。
[19]陳震武,「結合模糊控制與類神經網路探討非線性結構控制的穩定性」,國立中央大學土木工程研究所碩士論文,2004。
[20]陳建樺,「遺傳演算法應用於基礎之最佳化設計」,義守大學土木與生態工程系碩士論文,2005。
[21]陳建荐,「模糊理論應用於土石流潛勢分析之研究」,中華技術學院土木防災工程研究所碩士論文,2007。
[22]陳浩寧,「遺傳演算法於橋墩沖刷深度推估之研究」,逢甲大學水利工程與資源保育研究所碩士論文,2008。
[23]陳彥伶,「應用類神經網路模擬鋼筋混凝土房屋結構容量震譜」,國立交通大學土木工程學系碩士論文,2010。
[24]陳昆煜,「結合遺傳演算法與類神經網路從事鋼筋混凝土梁之最佳化設計」,義守大學土木與生態工程系碩士論文,2012。
[25]陳俊佑,「工期限制下之最佳化排程之研究-以資料中心機房工程為例」,國立臺北科技大學土木與防災研究所碩士論文,2013。
[26]陳彥良,「以模糊控制減低高速鐵路橋振動問題和傳統主動控制法之比較」,淡江大學土木工程學系碩士班碩士論文,2013。
[27]陳志偉,「以類神經網路作為鋼筋混凝土結構最佳化設計」,淡江大學土木工程學系碩士論文,2013。
[28]陳瑜芳,「應用適應性模糊推論系統預測氣候條件對河川水質之影響-以旗山溪為例」,國立臺中教育大學科學應用與推廣學系環境教育及管理碩士班碩士論文,2014。
[29]張雅婷,「調適性網路模糊推論系統於水庫操作之研究」,國立臺灣大學生物環境系統工程學研究所碩士論文,2006。
[30]張斐章、張麗秋,「類神經網路導論:原理與應用」,滄海書局,2010。
[31]游國幹等,「MATLAB程式設計導論」,儒林圖書有限公司, 2005。
[32]楊人霈,「類神經網路與調適性類神經模糊推論系統從事鋼筋混凝土梁最佳化設計之比較」,義守大學土木與生態工程學系碩士論文,2012。
[33]董亞哲,「混合超啟發式演算法與經驗法則求解多專案有限資源排程問題」,國立台灣科技大學營建工程系碩士論文,2013。
[34]廖庭億,「應用遺傳演算法於三維鋼構架之最佳化設計」,義守大學土木與生態工程系碩士論文,2009。
[35]蔡伯俊,「應用遺傳演算法於鋼結構之最低成本設計」,屏東科技大學土木工程系碩士班碩士論文,2004。
[36]蔡秉伸,「模糊理論應用於建築物地震易損率之研究」,國立臺北科技大學土木與防災技術研究所碩士論文,2004。
[37]蔡惠萍,「利用改良型基因演算法於實際建築物之系統識別及初步健康診斷」,朝陽科技大學營建工程系碩士班碩士論文,2009。
[38]蔡修毓,「鋼筋混凝土學:系統剖析」,文笙書局,2012。
[39]劉中杰,「基因演算法在受損結構行為分析上之應用」,國立成功大學土木工程學系碩博士班碩士論文,2010。
[40]劉明德等,「統計學(第三版)」,全華圖書有限公司,2012。
[41]劉晋宏,「基因演算法自動演化類神經網路應用於飽和砂土不排水三軸應力-應變行為之模擬」,長榮大學土地管理與開發學系碩士班碩士論文,2010。
[42]鄭永發,「利用不同類神經網路預測輕質混凝土強度最佳化之研究」,逢甲大學土木工程學系碩士論文,2010。
[43]歐崇明,「MATLAB在工程上的應用」,高立圖書有限公司, 2005。
[44]賴俊宇,「以適應性類神經模糊推論系統預測建築專案績效」,國立高雄應用科技大學土木工程與防災科技研究所碩士論文,2013。
[45]韓孟辰,「以適應性網路架構模糊推論系統預測工程建設垂直變動量之研究-以路基與建物為例」,國立中興大學土木工程學系所碩士論文,2012。
[46]簡尚彬,「應用改良式基因演算法求解鋼筋裁切最佳化問題」,國立臺灣科技大學營建工程系碩士論文,2009。
[47]嚴崇榮,「應用遺傳演算法於鋼筋混凝土構架的最低成本設計」,屏東科技大學土木工程系碩士班碩士論文,2003。
[48]蘇木春、張孝德,「機器學習、類神經網路、模糊系統以及基因演算法則」,全華科技圖書有限公司,2004。
[49]蘇進國,「模糊遺傳演算法在橋梁耐震性能設計之應用與耐震維修補強生命週期成本最小化之研究」,國立臺北科技大學工程科技研究所碩士論文,2008。
[50]蘇漢昌,「應用適應性模糊推論系統改善類神經網路預測工業廢水廠出流水水質之研究」,朝陽科技大學環境工程與管理系碩士班碩士論文,2008。
[51]蘇裕翔,「結合類神經網路與遺傳演算法評估地震尖峰地表加速度之研究」,國立屏東科技大學土木工程系碩士論文,2014。
[52]Black, M., “Vagueness:An Exercise In Logical Analysis, ”Philosophy of Science, vol. 4, pp. 421-455, 1937.
[53]Back, T., Hammel, U., and Schwefel, H-P., “Evolutionary Computation: Comments on the History and Current State, ”Evolutionary Computation, IEEE Transactions on, Vol. 1, NO. 1, pp.3-17, April 1997.
[54]Doan, C. D., Lions, S, Y. and Karunasinghe, S. K., “Derivation of effective and effcient data set wish subtractive clustering method and genetic algorithm.” Jorunal of Hydroforuatics Vol. 7, NO. 4, pp. 219-233, 2005.
[55]Goldberg, D. E., “Genetic Algorithms in Search, Optimization and Machine Learning, ”Addison Wesley, Reading, MA., 1989.
[56]Holland, J. H., ”Adaptation in Natural and Artificial Systems, ”The University of Machigan Press, 1975.
[57]Jenkins, W. M., “Towards Structural Optimization via the Genetic Algorithms” Computers & Structures, Vol. 40, NO. 5, pp. 1321-1327, 1991.
[58]Jang, J.-S. R., “ANFIS:Adaptive-Network-based Fuzzy Inference System, ”IEEE Trans. Syst. Man, and Cyber., vol.23, pp. 665-685, May 1993.
[59]Jang, J.-S. R., Sun, C. –T and Mizutani, E. “Neuro-Fuzzy And Soft Computing, ”Prentice-Hall International, Inc. 1997.
[60]Lin, C. Y., and Hajela, P., “Genetic Algorithms in Optimization Problems with Discrete and Integer Design Variables,” Engineering Optimization, Vol. 19, pp. 309-327, 1992.
[61]Rajeev, S. and Krishnamoorthy, C. S., “Discrete Optimization of Structures Using Genetic Algorithms,” ASCE Journal of Structural Engineering, Vol. 118, NO. 5, pp. 1233-1250, May, 1992.
[62]Zadeh, L. A., “Fuzzy Sets, ”Information and Control., 8(3):338-353., 1965.
[63]Zadeh, L. A., “Outline of a New Approach to the Analysis of Complex System and Decision Processes, ”IEEE Transactions on Systems, Man and Cybernetics. SMC-3(1), 1973.

QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
系統版面圖檔 系統版面圖檔