توضیحات
ABSTRACT
In recent years, artificial neural networks were included in the prediction of deformations of structural elements, such as pipes or tensile specimens. Following this method, classical mechanical calculations were replaced by a set of matrix multiplications by means of artificial intelligence. This was also continued in finite element approaches, wherein constitutive equations were substituted by an artificial neural network (ANN). However, little is known about predicting complex non-linear structural deformations with artificial intelligence. The aim of the present study is to make ANN accessible to complicated structural deformations. Here, shock-wave loaded plates are chosen, which lead to a boundary value problem taking geometrical and physical non-linearities into account. A wide range of strain-rates and highly dynamic deformations are covered in this type of deformation. One ANN is proposed for the entire structural model and another ANN is developed for replacing viscoplastic constitutive equations, integrated into a finite element code, leading to an intelligent finite element. All calculated results are verified by experiments with a shock tube and short-time measurement techniques.
چکیده
در سال های اخیر، شبکه های عصبی مصنوعی در پیش بینی تغییر شکل عناصر ساختاری، مانند لوله ها یا نمونه های کششی قرار گرفتند. به دنبال این روش، محاسبات مکانیکی کلاسی با استفاده از هوش مصنوعی مجموعه ای از ضرب ماتریس ها جایگزین شد. این نیز در روش های عنصر محدود ادامه یافت و معادلات ساختاری توسط یک شبکه عصبی مصنوعی (ANN) جایگزین شد. با این حال، در مورد پیش بینی تغییرات ساختاری غیر خطی پیچیده با هوش مصنوعی شناخته شده است. هدف از مطالعه حاضر، ایجاد ANN برای تغییر شکل های ساختاری پیچیده است. در اینجا، صفحات لود شده موج شوکه انتخاب می شوند، که منجر به یک مسئله ارزش مرزی می شود که ناسازگاری های هندسی و فیزیکی را به حساب می آورد. طیف گسترده ای از نرخ کرنش و تغییر شکل بسیار پویا در این نوع تغییر شکل پوشانده شده است. یک ANN برای کل مدل ساختاری پیشنهاد شده است و یک ANN برای جایگزینی معادلات پایه ویزوپلاستیک سازگار، یکپارچه به یک عنصر عنصر محدود، منجر به عنصر محدودی هوشمند شده است. تمام نتایج محاسبه شده توسط آزمایش با لوله شوک و تکنیک های اندازه گیری کوتاه مدت تایید شده است.
Year: ۲۰۱۸
Publisher : ELSEVIER
By : Marcus Stoffel, Franz Bamer, Bernd Markert
File Information: English Language/ 5 Page / size: 617 KB
سال : ۱۳۹۶
ناشر : ELSEVIER
کاری از : مارکوس استوفل، فرانتز بمر، برند مارکرت
اطلاعات فایل : زبان انگلیسی / ۵ صفحه / حجم : KB 617
دیدگاهها
هیچ دیدگاهی برای این محصول نوشته نشده است.