پيش‌بيني آسيب همسانگرد در مواد نرم با رهيافت شبكه عصبي فيزيك‌آگاه

اصفهان : دانشگاه صنعتي اصفهان

مهندسي مكانيك

كارشناسي ارشد

شبكه‌هاي عصبي مصنوعي اين قابليت را دارند تا الگو‌ي بين داده‌هاي ورودي و خروجي در يك سيستم را كشف كنند و براي پيش‌بيني داده‌هاي ورودي جديد مورد استفاده قرار بگيرند. نتايج پيش‌بيني شده توسط شبكه‌هاي عصبي به‌طورقطع صحيح نبوده و مي‌تواند با قيود فيزيكي مسئله در تناقض باشد. شبكه‌هاي عصبي فيزيك‌آگاه گونه از شبكه‌هاي عصبي هستند كه ضمن فرايند آموزش شبكه عصبي، وزن‌‌ها و باياس‌ها به گونه‌اي تنظيم مي‌شوند كه قيود فيزيكي حاكم را به مسئله اعمال كنند. اين كار با تعريف كردن روابطي مبتني بر فيزيك مسئله در تابع هزينه شبكه عصبي انجام مي‌گيرد. در پژوهش حاضر شبكه عصبي به گونه‌اي آموزش ديد كه بتواند مسير تنش و آسيب را به‌ازاي مسيرهاي كرنش مختلف پيش‌بيني كند. در تعيين ساختار شبكه عصبي ماهيت داده‌ها مهم هستند از اين‌رو به علت وابستگي كرنش به تاريخچه بارگذاري، نرون‌هاي بازگشتي معرفي و در ادامه نسخه‌ي جديدتري از نرون‌هاي بازگشتي به نام واحد بازگشتي دروازه‌اي مورد استفاده قرار گرفت. براي تهيه داده‌هاي لازم جهت انجام فرايند آموزش شبكه، از مسيرهاي كرنش تصادفي استفاده شد و محاسبه تنش و آسيب متناظر با اين مسيرها به كمك مدل عددي آسيب لمتر انجام شد. اين مدل كه براي پيش‌بيني رشد آسيب در مواد نرم مورد استفاده قرار مي‌گيرد، در سابروتين UMAT نرم‌افزار آباكوس پياده‌سازي شد و صحت اجراي آن با يك مسئله محك مورد ارزيابي قرار گرفت. پس از اطمينان از صحت مدل عددي آسيب و تكميل داده‌‌ها جهت انجام آموزش نظارتي شبكه، فرايند آموزش شبكه در حالت متعارف در نرم افزار متلب انجام شد. در ادامه با اضافه نمودن روابط فيزيك‌آگاه در محاسبات تابع هزينه شبكه عصبي، فرايند آموزش با يكسان ماندن ساير شرايط دوباره تكرار شد و نتايج دو حالت با يكديگر مقايسه شد. در اين مقايسه شبكه عصبي فيزيك‌آگاه، در مقايسه با شبكه عصبي متعارف، قيود فيزيكي حاكم بر رشد آسيب را در نقاط بيشتري از مسئله برقرار كرد. با تعريف خطا بر مبناي قانون ترموديناميكي رشد آسيب، اين خطا در مقايسه عملكرد دو شبكه با 300 داده آزمون، از 10.34% به %6.03 كاهش يافت.

231419

طراحي كاربردي

مهندسي مكانيك

دانشگاه صنعتي اصفهان