کاربرد شبکه های عصبی در بررسی پارامتری و پیش بینی رفتار پس کمانشی پوسته استوانه ای تقویت شده تحت تأثیر نقص شکل های هندسی
Publish place: Third National Conference and First International Conference on Applied Research in Electrical, Mechanical and Mechatronics Engineering
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 637
This Paper With 16 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ELEMECHCONF03_0437
تاریخ نمایه سازی: 9 مرداد 1395
Abstract:
کاربرد استوانه ای تحت فشار خارجی به طور فزاینده ای در بدنه شناورهای زیرسطحی، بدنه موتور هواپیما و مخازن کارگاه های مواد شیمیایی توسعه یافته است. مقاومت سازه های غشایی، عمدتاً تحت تأثیر پدیده کمانش است لذا بررسی این پدیده اهمیت زیادی دارد. کمانش پوسته های استوانه ای به روش های مختلفی از جمله روش های تجربی و روش های مبتنی بر اجزای محدود قابل محاسبه است که اغلب وقت گیر و دارای پیچیدگی های زیاد هستند. در این مقاله به کمک شبکه های عصبی، روشی ساده، سریع و دقیق برای پیش بینی فشار کمانشی و پس کمانشی پوسته های استوانه ای ارائه می شود. به کمک نرم افزار اجزای محدود برای پوسته هایی با ضخامت و تقویت های مختلف فشار کمانشی و پس کمانشی محاسبه می شود و با استفاده از نتایج تحلیل های عددی، آموزش های لازم به شبکه عصبی داده می شود. در نهایت رفتار پیش بینی شده از طریق شبکه عصبی با نتایج حاصل از نرم افزار المان محدود مقایسه شده که بیانگر دقت بالای روش ارائه شده است.
Keywords:
Authors
محمد رحیمی آهویی
دانشجوی کارشناسی ارشد، مجتمع دانشگاهی علوم و فناوری زیر دریا، دانشگاه صنعتی مالک اشتر
محمدعلی رسولی
استادیار، مجتمع دانشگاهی علوم و فناوری زیردریا، دانشگاه صنعتی مالک اشتر
سید حسین دیباجیان
استادیار، مجتمع دانشگاهی علوم و فناوری زیردریا، دانشگاه صنعتی مالک اشتر
مهدی دهقان
پژوهشگر، مجتمع دانشگاهی علوم و فناوری زیردریا، دانشگاه صنعتی مالک اشتر
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :