مدل شبکه عصبی برای پیش بینی نیروی شروع آسیب در تورق مود 1 مواد کامپوزیت

پیام:
نوع مقاله:
مقاله پژوهشی/اصیل (دارای رتبه معتبر)
چکیده:

در این مقاله، یک مدل شبکه عصبی مصنوعی به منظور بررسی شروع رشد ترک در مواد کامپوزیت در حالت بارگذاری عمودی ارائه شده است. ابتدا، یک مدل المان محدود، با استفاده از نرم افزار ABAQUS، برای شبیه سازی تورق در مواد کامپوزیت تحت بارگذاری مود 1، ایجاد شده است. برای راستی آزمایی مدل اجزاء محدود، منحنی نیرو- جابه جایی شبیه سازی عددی با نمودار تجربی مربوطه مقایسه می شود. شبیه سازی های مختلفی با مقادیر متفاوت طول اولیه ترک و ضخامت نمونه، اجرا می شوند. نیروی لازم برای شروع رشد ترک در هر شبیه سازی، از نمودار نیرو- جابه جایی مربوطه، محاسبه می شود. این داده ها برای توسعه مدل شبکه عصبی مصنوعی، که قادر به پیش بینی نیروی لازم برای شروع رشد ترک در بارگذاری مود 1 برای هر مقدار دلخواه طول اولیه ترک و ضخامت نمونه است، به کار می رود. شبکه توسعه یافته، دو سلول عصبی ورودی دارد و نیروی لازم برای شروع آسیب در لایه خروجی محاسبه می شود. کارایی مناسب شبکه عصبی مصنوعی، با مقایسه نتایج آن با شبیه سازی های اجزاء محدود نشان داده شده است. تطابق خوب خروجی ها و اهداف در نمودارهای رگرسیون، نشان می دهد که پاسخ شبکه عصبی رضایت بخش است.

زبان:
فارسی
صفحات:
1 تا 7
لینک کوتاه:
magiran.com/p2049957 
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یک‌ساله به مبلغ 1,390,000ريال می‌توانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
  • حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران می‌شود.
  • پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانه‌های چاپی و دیجیتال را به کاربر نمی‌دهد.
دسترسی سراسری کاربران دانشگاه پیام نور!
اعضای هیئت علمی و دانشجویان دانشگاه پیام نور در سراسر کشور، در صورت ثبت نام با ایمیل دانشگاهی، تا پایان فروردین ماه 1403 به مقالات سایت دسترسی خواهند داشت!
In order to view content subscription is required

Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!