تخمین چقرمگی شکست مود اول در نمونه سنگ های دیسکی ترکدار با سوراخ مرکزی با استفاده از رویکرد شبکه عصبی مصنوعی

وجود ناپیوستگی در توده سنگ ها امری اجتناب ناپذیر است. در نتیجه هنگامیکه این توده ها در معرض بارهای مکانیکی و عوامل محیطی دیگر قرار بگیرند، احتمال وقوع شکست و رشد ترک از محل همین ناپیوستگی ها وجود دارد. نمونه های متعددی برای تعیین مود I شکست سنگ ها پیشنهاد شده است. با این وجود هندسه این نمونه ها به صورت قطعی تعیین نشده اند. لذا در این مطالعه سعی شده کاربرد روش شبکه های عصبی مصنوعی در تعیین چقرمگی مود I نمونه سنگ های دیسکی ترکدار با سوراخ مرکزی امکان سنجی و ارزیابی شود. عملکرد قابل اعتماد و توسعه سریع راه حل های یادگیری ماشین نشان دهنده پیشرفتی چشمگیر نسبت به راه حل های تجربی و تحلیلی می باشد. هنگامیکه راه حل های تحلیلی و تجربی در دسترس نباشد، روش های یادگیری ماشین بر محدودیت های مرتبط غلبه می کند، که راهی اساسی برای حل مسائل مکانیک شکست می باشد. نتایج نشان دادند که با افزایش تعداد نرون های لایه های ورودی، پنهان و خروجی دقت تخمین افزایش می یابد. این در حالی است که افزایش تعداد لایه های پنهان اثر کمتری را بر روی دقت تخمین دارد.

Keywords:

روش شبکه عصبی مصنوعی , چقرمگی شکست مود I , دیسک ترکدار با سوراخ مرکزی , شبیه سازی عددی