تخمین پارامترهای مکانیک شکست در دمای بالا با استفاده از شبکه های عصبی مصنوعی
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه علم و صنعت ایران - دانشکده مهندسی مکانیک
- نویسنده خسرو اصغری شیروانی
- استاد راهنما رضا معدولیت فرامرز جوانرودی
- تعداد صفحات: ۱۵ صفحه ی اول
- سال انتشار 1387
چکیده
اصولا بسیاری از قطعات مکانیکی یا سازه ها در دمای بالا در شرایط کاری سخت قرار داشته و لذا عمری محدود دارند از آنجا که این قطعات از جنس سوپر آلیاژها هستند و با روشهای تولید پر هزینه ساخته می شوند جایگزینی آنها بسیار گران است بنابراین برآورد دقیق عمر این گونه قطعات امری مهم بشمار می آید مکانیک شکست با ارایه های مدلسازی رشد ترک ناشی از خزش می تواند به عنوان بخشی ممهم از یک برنامه تخمین عمر در نظر گرفته شود تعیین دقیق پارامترهای مکانیک شکست نظیر ضریب شدت تنش انتگرال j و c برای مدلسازی رشد ترک ناشی از خزش ضروری می باشد. محاسبه پارامترهای غیر خطی نوک ترک حین خزش برای اجسام دارای هندسه پیچیده بواسطه تحلیل های اجزا محدود زمان بر است روش شبکه عصبی مصنوعی دارای قابلیت های منحصر به فردی برای پیش بینی فرآیندهای غیر خطی مشابه فرایند مورد استفاده در این پروژه می باشد در این رساله با مدلسازی قطعه ct تحلیل المان محدود آن در محدوده گسترده ای از درجه حرارت و نیرو ابعاد انجام شده است. این نتایج با داده های تجربی مقایسه شده اند. سپس با توجه به طبیعت غیر خطی این فرایند تلفیقی از نتایج تجربی و عددی به شبکه عصبی داده شده است. در این مرحله با استفاده از 3 شبکه شبیه سازی انجام گرفته است که بر اساس نتایج ارایه شده شبکه پرسپترون چند لایه با تابع محرک تانژانت و با 16 نرون در لایه پنهان اول و 4 نرون در لایه پنهان دوم بهترین جواب را ارایه داده است که میانگین درصد خطای داده های تست و آموزش در آن به ترتیب 8/3%و 2/2% است که برای این فرایند مطلوب می باشد.
منابع مشابه
تخمین انرژی شکست بتن با استفاده از شبکه عصبی مصنوعی
بتن یکی از رایجترین مصالح صنعتی و ساختمانی است که به دلیل اقتصادی بودن اهمیت روز افزونی پیدا میکند. در سالهای اخیر با بهرهگیری از روشهای مختلف آزمایشگاهی، پارامترهای شکست مواد سیمانی مانند بتن مورد بررسی قرار گرفته است؛ نقش این پارامترها در طراحی سازههای سطحی و زیرسطحی از اهمیت ویژهای برخوردار است. در این مقاله مدل شکست بر اساس شبکه عصبی برای تخمین پارامترشکست بتن GF(انرژی مخصوص شکس...
متن کاملتخمین سختی برشی شکست ( ) با استفاده از شبکه عصبی مصنوعی
در سالهای اخیر با بهرهگیری از روشهای مختلف آزمایشگاهی، چگونگی مد برشی شکست با استفاده از نمونههای سنگی مورد بررسی قرار گرفته است. اغلب گسیختگیهای رخ داده در طبیعت در اثر عملکرد نیروهای کششی و برشی در توده سنگ میباشد. تعیین دقیق سختی برشی شکست برای درک و تحلیل رفتار گسیختگیها در حفریات سطحی و زیرزمینی از اهمیت ویژهای برخوردار میباشد. بررسی جامع دستاوردهای علمیدر خصوص تعیین سختی برش...
متن کاملتخمین سختی برشی شکست ( ) با استفاده از شبکه عصبی مصنوعی
در سالهای اخیر با بهرهگیری از روشهای مختلف آزمایشگاهی، چگونگی مد برشی شکست با استفاده از نمونههای سنگی مورد بررسی قرار گرفته است. اغلب گسیختگیهای رخ داده در طبیعت در اثر عملکرد نیروهای کششی و برشی در توده سنگ میباشد. تعیین دقیق سختی برشی شکست برای درک و تحلیل رفتار گسیختگیها در حفریات سطحی و زیرزمینی از اهمیت ویژهای برخوردار میباشد. بررسی جامع دستاوردهای علمی در خصوص تعیین سختی برشی شک...
متن کاملتخمین انرژی شکست بتن با استفاده از شبکه عصبی مصنوعی
بتن یکی از رایجترین مصالح صنعتی و ساختمانی است که به دلیل اقتصادی بودن اهمیت روز افزونی پیدا میکند. در سالهای اخیر با بهرهگیری از روشهای مختلف آزمایشگاهی، پارامترهای شکست مواد سیمانی مانند بتن مورد بررسی قرار گرفته است؛ نقش این پارامترها در طراحی سازههای سطحی و زیرسطحی از اهمیت ویژهای برخوردار است. در این مقاله مدل شکست بر اساس شبکه عصبی برای تخمین پارامترشکست بتن gf(انرژی مخصوص شکس...
متن کاملبرآورد دمای روزانه خاک با استفاده از شبکه عصبی مصنوعی
دمای خاک یکی از متغیرهای مهم در مطالعات هیدرولوژی، هواشناسی، کشاورزی و اقلیمشناسی است که اندازهگیری و برآورد آن ضروری است. با توجه به اینکه دمای خاک فقط در ایستگاههای سینوپتیک کشور اندازهگیری میشود، کمبود آن در نقاط فاقد ایستگاه از چالشهای بزرگ در بسیاری از مطالعات مرتبط با کشاورزی است. در این پژوهش، با استفاده از پارامترهای هواشناسی ایستگاه سینوپتیک شیراز در یک دوره 9 ساله (2008-2000) ب...
متن کاملتخمین پارامترهای شتاب، سرعت و جابجایی ماکزیمم زمین با استفاده از شبکه عصبی مصنوعی
به منظور انجام تحلیلهای دینامیکی و همچنین تعیین میزان خطرپذیری در هر منطقه بایستی بتوان پارامترهای زمینلرزه احتمالی آن منطقه را تخمین زد. در این مقاله تلاش خواهد شد با استفاده از شبکه عصبی مصنوعی مقادیر شتاب، سرعت و جابجایی ماکزیمم زمین تخمین زده شود. بدین منظور از شبکههای عصبی به عنوان یکی از روشها و تکنیکهای کاربردی هوش مصنوعی در ارائه یک روش محاسباتی سادهتر برای حذف تردیدها و عدم قطع...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
نوع سند: پایان نامه
وزارت علوم، تحقیقات و فناوری - دانشگاه علم و صنعت ایران - دانشکده مهندسی مکانیک
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023