Browsing by Author "Benaissa, Brahim"

Now showing 1 - 4 of 4

Crack size identification by means of model reduction using particle swarm optimization and genetic algorithm
(2015) Benaissa, Brahim; Belaidi, Idir; Aït Hocine, Nourredine
Genetic algorithm based objective functions comparative study for damage detection and localization in beam structures
(Institute of Physics Publishing, 2015) Khatir, Samir; Belaidi, Idir; Serra, R.; Benaissa, Brahim; Ait Saada, Aicha
The detection techniques based on non-destructive testing (NDT) defects are preferable because of their low cost and operational aspects related to the use of the analyzed structure. In this study, we used the genetic algorithm (GA) for detecting and locating damage. The finite element was used for diagnostic beams. Different structures considered may incur damage to be modelled by a loss of rigidity supposed to represent a defect in the structure element. Identification of damage is formulated as an optimization problem using three objective functions (change of natural frequencies, Modal Assurance Criterion MAC and MAC natural frequency). The results show that the best objective function is based on the natural frequency and MAC while the method of the genetic algorithm present its efficiencies in indicating and quantifying multiple damage with great accuracy. Three defects have been created to enhance damage depending on the elements 2, 5 and 8 with a percentage allocation of 50% in the beam structure which has been discretized into 10 elements. Finally the defect with noise was introduced to test the stability of the method against uncertainty
Identification de fissures basée sur le couplage réduction de modèle et algorithmes bio-inspirés
(2016) Benaissa, Brahim; Belaidi, Idir(Directeur de thèse)
Les techniques de contrôle non destructifs (CND) utilisent généralement un principe basé sur des capteurs afin de localiser les dommages, ceci exige une bonne maîtrise des techniques d'emploi des capteurs. Les méthodes numériques pour l'identification de fissures sont par contre très développées et représentent un alternatif, basée sur des méthodes de simulation numérique, telle que la méthode des éléments de frontière, mais dans la pratique n'est pas encore vulgarisée, en raison de coût de calcul élevé. Nous présentons dans ce contexte une nouvelle approche pour l'identification de fissure, dont le problème mathématique sous-jacent est basé sur l'élasto-statique bidimensionnelle. La solution proposée est basée sur la réduction de modèle et la paramétrisation, en introduisant la méthode de " décomposition orthogonale des valeurs propres " (Proper orthogonal decomposition - POD), couplée avec les " Réseaux à fonctions de base radiales" (Radial Basis Functions - RBF). Ces fonctions sont appliquées pour estimer notamment les champs de déplacement mesurés aux bords des structures étudiées, qui correspondent aux paramètres géométriques de la fissure. La procédure d'identification de fissures inverse proposée, est basée sur la minimisation de l'erreur normalisée entre les valeurs de déplacement aux nœuds de frontières de référence et celles calculées, et fait appel aux algorithmes d'optimisation bio-inspirés, de type génétique classique (AG) et l'optimisation par essaim de particules (PSO). Ces derniers sont en effet connus pour leur capacité à éviter les minimums locaux, entre autres…. L'efficacité de l'approche et la stabilité de l'algorithme d'identification ont été testées, en introduisant un bruit gaussien dans les données d'entrée, tandis que la validité de la méthode d'identification de fissure proposée a été démontrée à travers une étude comparative, pour un nombre de points de capteur réduit
Optimal Prediction for Patch Design Using YUKI-RANDOM-FOREST in a Cracked Pipeline Repaired with CFRP
(Springer Nature, 2024) Oulad Brahim, Abdelmoumin; Capozucca, Roberto; Khatir, Samir; Fahem, Noureddine; Benaissa, Brahim; Cuong-Le, Thanh
This paper presents the effectiveness of a hybrid YUKI-RANDOM-FOREST, Particle Swarm Optimization-YUKI (PSO-YUKI), and balancing composite motion optimization algorithm (BCMO) based on artificial neural networks (ANN) for the best prediction of patch design considering the maximum principal stress. The study compares the maximum principal stress in a damaged pipe under different composite patch designs. Robust models have been developed and utilized in various applications. The research investigates the influence of cracks on the mechanical characteristics of API X70 steel in a test pipe under critical pressure. The numerical model employs the extended finite element method (XFEM) to simulate notches. Extending the optimization technique, the study examines the effect of crack presence in a pipeline section under internal pressure without and with composite repairs on the maximum principal stress. The sensitivity of stress is analyzed with respect to the design parameters of the composite patch. Finally, YUKI-RANDOM-FOREST, NN-PSO-YUKI, and NN-BCMO, with different parameters and hidden layer sizes are employed to predict the maximum principal stress under different composite patch designs, and yielding minimal error. Once the database was built, our model was prepared to predict various situations at the composite patch level. Compared to other methods, the obtained results with hybrid YUKI-RANDOM-FOREST are effective. The investigation technique is relevant to real-world engineering applications, structural safety control, and design processes.