استفاده از شبکه عصبی و الگوریتم ژنتیک در تشخیص مرتبه در مدلسازی مرتبه ناصحیح بافت نرم

مدلسازی بافت نرم یک موضوع چالشی در مهندسی بافت است. بافت محیط پیچیده ای اس و خواص ویسکوالاستیک دارد و توصیف رابطه تنش ـ کرنش آن ساده نیست. رویکرداصلی این مقاله لحاظ کردن مدل مرتبه ناصحیح برای رابطه تنش ـ کرنش بافت ویسکوالاستیک است. این رابطه با استفاده از داده ای حاصل از یک چیدمان آزمایشی و گردآوری داده های واقعی طی یک مطالعه تجربی راستی آزمایی شده است. هدف این مقاله آن است که مرتبط در رابطه توصیف کننده تنش به عنوان تابعی از تنش و کرنش لحظه ای بیان شود. در این راستا از شبکه عصبی پرسپترون چند لایه استفاده خواهد شد.در واقع مقادیر لحظه ای تنش و کرنش به عنوان ورودی این شبکه در نظر گرفته شده و خروجی شبکه مقادیر لحظه ای مرتبه است که قبلاً با استفاده از بهینه سازی با الگوریتم ژنتیک به دست آمده است. داده ها حاوی 47 موردآزمایش بااعمال پروفایل های مختلف تنش است که هربار که شبکه استفاده می شود یکی به عنوان نمونه آزمایشی و بقیه به عنوان نمونه آزمایشی به شبکه داده می شود. شبکه پرسپترون چندلایه با داشتن تعداد کافی نورن در لایه پنهان ـ در مواردی که یک تابعیت قطعی بین ورودی ها و خروجی باشد، یک تخمینگر عمومی تابع است. نتایج مشخص می کند که فرض کردن یک تابعیت بین مرتبه و زوج تنش و کرنش یک فرض صحیح است و شبکه عصبی به خوبی این تابع را تخمین می زند.

Keywords:

شبکه عصبی پرسپترون چند لایه , بافت نرم , حسابان مرتبه ناصحیحف رابطه تنش ـ کرنش