کاربرد شبکه عصبی در محاسبه ضریب شدت تنش تیر ترکدار تحت بازگذاری خمش سه نقطه ای

در این مقاله تحلیل عددی و شبکه عصبی برای بدست آوردن ضریب شدت تنش نمونه استاندارد خمش سه نقطه ای مورد مطالعه قرار گرفته است. با استفاده از روابط تحلیلی حاکم بر جابجایی نوک ترک، معادلاتی برای محاسبه ضریب شدت تنش بر حسب جابجایی نودهای موجود در سطوح ترک استخراج شده است. از نتایج اجزاء محدود برای جابجایی ها و روابط استخراج شده، ضریب شدت تنش محاسبه می شود. تاثیر اندازه و تعداد المان اطراف نوک ترک همچنینی حالت های تنش (کرنش صفحه ای و تنش صفحه ای) در نتایج اجزاء محدود بحث شده است. خطای زیادی در نتایج کرنش صفحه ای مشاهده می شود که به علت تطابق نداشتن با هندسه، طبیعی به نظر می رسد. با استفاده از نتایج تحلیل اجزا محدود شبکه عصبی آموزش دیده و تست شده است. داده های بدست آمده از نتایج اجزا محدود به دو گروه تقسیم می شوند: دسته داده های آموزشی که به منظور آموزش شبکه و دسته داده های تست که برای ارزیابی شبکه آموزش دیده می شود به کار برده می شوند. پارامترهای SEP ،SEC ،R2 و Bias به منظور ارزیابی شبکه آموزش دیده شده استفاده می شوند. در آزمون شبکه عصبی از الگوریتم Back Propagation استفاده شده است، زیرا بهترین نتایج را می دهد. همچنین برای تعیین تعداد نرون های لایه مخفی، با تعداد نرون های مختلف شبکه را آزمون داده تا در انتها با 12 نرون در این لایه، کمترین خطا را بین نتایج اجزا محدود و شبکه عصبی به دست آوردیم. همانطور که در نتایج مشخص است، داده های به دست آمده از شبکه در نتایج عصبی در نتایج تست شبکه، نسبت به نتایج آزمون شبکه، دارای خطای بیشتری هستند که چنین امری طبیعی است. نتایج بدست آمده از شبکه عصبی به خوبی با جواب های حاصل از حل تئوری و روابط استخراج شده مطابقت دارد.

Keywords:

فاکتور شدت تنش , خمش سه نقطه ای , مود بازشوندگی , ANSYS , شبکه عصبی مصنوعی