Fuzzy finite element analysis for free vibration response of functionally graded semi-rigid frame structures

Pham, Hoang-Anh; Truong, Viet-Hung; Vu, Tien-Chuong

doi:10.1016/j.apm.2020.07.014

Cited by 16 publications

(7 citation statements)

References 49 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…e ANFIS model exhibits better effectiveness than the two lone models (i.e., artificial neural network and fuzzy logic), as proved in many studies such as Aditya et al [79] and Nayak et al [80]. Presently, ANFIS has been more and more employed in the field of structural engineering [78,[81][82][83][84][85].…”

Section: Machine Learning Method: Adaptive Neurofuzzy Inferencementioning

confidence: 93%

Prediction of Ultimate Load of Rectangular CFST Columns Using Interpretable Machine Learning Method

Phan

2020

Advances in Civil Engineering

View full text Add to dashboard Cite

The ultimate compressive load of concrete-filled steel tubular (CFST) structural members is recognized as one of the most important engineering parameters for the design of such composite structures. Therefore, this paper deals with the prediction of ultimate load of rectangular CFST structural members using the adaptive neurofuzzy inference system (ANFIS) surrogate model. To this end, compression test data on CFST members were extracted from the available literature, including: (i) the mechanical properties of the constituent materials (i.e., steel’s yield strength and concrete’s compressive strength) and (ii) the geometric parameters (i.e., column length, width and height of cross section, and steel tube thickness). The ultimate load is the output response of the problem. The ANFIS model was trained using a hybrid of the least-squares and backpropagation gradient descent method. Quality assessment criteria such as coefficient of determination (R2), root mean square error (RMSE), and slope of linear regression were used for error measurements. A 11-fold cross-validation technique was employed to evaluate the performance of the model. Results showed that for the training process, the average performance was as follows: R2, RMSE, and slope were 0.9861, 89.83 kN, and 0.9861, respectively. For the validating process, the average performance was as follows: R2, RMSE, and slope were 0.9637, 140.242 kN, and 0.9806, respectively. Therefore, the ANFIS model may be considered valid because it performs well in predicting ultimate load using the validated data. Moreover, partial dependence (PD) analysis was employed to interpret the “black-box” ANFIS model. It is observed that PD enabled us to locally track the influence of each input variable on the output response. Besides reliable prediction of ultimate load, ANFIS can also provide maps of ultimate load. Finally, the ANFIS model developed in this study was compared with other works in the literature, showing that the ANFIS model could improve the accuracy of ultimate load prediction, in comparison to previously published results.

show abstract

Section: Machine Learning Method: Adaptive Neurofuzzy Inferencementioning

confidence: 93%

Prediction of Ultimate Load of Rectangular CFST Columns Using Interpretable Machine Learning Method

Phan

2020

Advances in Civil Engineering

View full text Add to dashboard Cite

show abstract

“…Tuy nhiên, cũng cần phải đảm bảo độ chính xác của kết quả phân tích mờ. Trong một số nghiên cứu gần đây [16][17][18], Pham và các cộng sự giới thiệu một kỹ thuật phân tích mờ hiệu quả dựa trên xấp xỉ Taylor bậc nhất đối với đáp ứng của kết cấu. Trong bài báo này, kỹ thuật trên được vận dụng và cải tiến để xây dựng một chương trình phân tích mờ tự động trong MATLAB với tên gọi FuzzyP.…”

Section: Giới Thiệuunclassified

“…trong đó, δx i là một giá trị biến thiên nhỏ của x i được lấy bằng 0,001x i trong nghiên cứu này. Việc tính toán các đạo hàm riêng theo (5) yêu cầu n lần phân tích trực tiếp kết cấu, bằng 1/2 tổng số lần phân tích kết cấu cần thiết để tính toán đạo hàm riêng theo phương pháp sai phân trung tâm như đề xuất trong các tài liệu [16][17][18].…”

Section: Khai Triển Taylor Bậc Nhất đốI Với đáP ứNg Của Kết Cấuunclassified

Một chương trình phân tích kết cấu mờ ứng dụng dựa trên xấp xỉ Taylor bậc nhất

Hùng¹,

Anh²

2020

TCKHCNXD

View full text Add to dashboard Cite

Bài báo này giới thiệu một chương trình phân tích kết cấu mờ để phân tích các kết cấu có các tham số mờ. Một kỹ thuật phân tích mờ cải tiến dựa trên khai triển Taylor bậc nhất đối với các đáp ứng của kết cấu kết hợp với phương pháp phân tích mờ theo lát cắt α được đề xuất nhằm giảm số lần phân tích kết cấu. Chương trình được xây dựng trên MATLAB theo hướng có thể kết nối với các chương trình phân tích kết cấu tiền định có sẵn. Hai ví dụ kết cấu hệ thanh phẳng với số lượng biến mờ tương đối lớn, một kết cấu dàn phẳng và một kết cấu khung phẳng, được khảo sát để minh họa cho hiệu quả của chương trình. Kết quả từ ví dụ cho thấy, chương trình đề xuất có thể xác định hàm thuộc của đáp ứng chuyển vị và nội lực của kết cấu có độ chính xác tương đối cao và chi phí tính toán thấp so với tính toán theo phương pháp tối ưu trực tiếp. Từ khóa: phân tích kết cấu mờ; xấp xỉ Taylor; lát cắt α; tham số mờ, tối ưu mức α.

show abstract

“…Chen and Wu (1995) develop the finite element-based strip wavelet element method, which enables one investigation of the vibrations of frame structures with better precision. Pham et al (2020) study the vibrations of functionally graded frame structures with semi-rigid joints and uncertainties. Massumi and Absalan (2013) present a numerical study handling planar frames with moment-resisting joints.…”

Section: Introductionmentioning

confidence: 99%

Free vibrations of spatial frame structures: Analytical modelling and solution

Genel

Tüfekçi

2022

Journal of Vibration and Control

View full text Add to dashboard Cite

This study analytically handles the three-dimensional free vibrations of spatial frames using the initial values method, considering the axial and shear deformations alongside rotary inertias, namely, torsional, in-plane bending and out-of-plane bending. To handle the spatial geometry, the direction cosine matrices are used. Validation is performed with three cases in total, one case available in the literature alongside two numerical examples that are solved analytically and compared to the finite element models. Excellent agreements are found between the analytical results and the results in the literature, as well as those obtained from the finite element models.

show abstract

Fuzzy finite element analysis for free vibration response of functionally graded semi-rigid frame structures

Cited by 16 publications

References 49 publications

Prediction of Ultimate Load of Rectangular CFST Columns Using Interpretable Machine Learning Method

Prediction of Ultimate Load of Rectangular CFST Columns Using Interpretable Machine Learning Method

Một chương trình phân tích kết cấu mờ ứng dụng dựa trên xấp xỉ Taylor bậc nhất

Free vibrations of spatial frame structures: Analytical modelling and solution

Contact Info

Product

Resources

About