عنوان
استفاده از شبكه عصبي آگاه از فيزيك براي حل معادلات ديفرانسيل حاكم بر صفحات دو بعدي FGM
نويسنده اصلي
پريشان، رضا
محل تحصيل
اصفهان : دانشگاه صنعتي اصفهان
رشته تحصيلي
مهندسي عمران
مقطع تحصيلي
كارشناسي ارشد
چكيده
مواد با خواص متغير تابعي به دليل تغيير تدريجي ويژگي‌هاي مكانيكي در يك يا چند راستاي فضايي، نسبت به مواد همگن عملكرد مكانيكي و حرارتي بهتري دارند. تحليل دقيق اين مواد به دليل وابستگي خواص به مكان و پيچيدگي روابط حاكم، همواره چالش‌برانگيز بوده است. در سال‌هاي اخير، شبكه‌هاي عصبي آگاه از فيزيك با تركيب قوانين فيزيك و قابليت يادگيري عميق، به‌عنوان رويكردي نوين براي حل مستقيم و معكوس معادلات ديفرانسيل جزئي معرفي شده‌اند و چشم‌انداز تازه‌اي در تحليل مسائل مهندسي گشوده‌اند.
در اين پژوهش، يك چارچوب هوشمند مبتني بر شبكه‌هاي عصبي آگاه از فيزيك براي تحليل تيرها و صفحات دوبعدي مواد با خواص متغير تابعي توسعه يافته است. ابتدا مدل‌هاي رياضي حاكم بر رفتار مكانيكي تير و صفحه، با در نظر گرفتن توزيع مكاني مدول الاستيسيته و ساير خواص ماده، بسط داده شده‌اند. سپس از شبكه‌هاي عصبي آگاه از فيزيك براي حل مستقيم پاسخ سازه و حل معكوس به‌منظور شناسايي گراديان ماده استفاده گرديده است.
اعتبارسنجي روش پيشنهادي از طريق مقايسه نتايج تحليل تير با حل‌هاي عددي مرجع و مقايسه پاسخ صفحات دوبعدي با نتايج شبيه‌سازي نرم‌افزار ABAQUS انجام شده است. همچنين، براي بررسي نهايي صحت مدل مثال‌هايي از مراجع معتبر انتخاب شده‌اند. نتايج بيانگر دقت بالا و توانمندي روش توسعه‌يافته در تحليل رفتار مكانيكي سازه‌هاي ساخته‌شده از مواد با خواص متغير تابعي و شناسايي گراديان ماده، بدون نياز به داده‌هاي آزمايشگاهي گسترده مي‌باشد. اين نتايج نشان مي‌دهند كه شبكه‌هاي عصبي آگاه از فيزيك مي‌تواند جايگزيني كارآمد براي روش‌هاي عددي سنتي در تحليل مواد با خواص متغير باشد.
شماره ركورد
236263
گرايش رشته تحصيلي
سازه
دانشكده
مهندسي عمران
دانشگاه
دانشگاه صنعتي اصفهان