جلسه دفاع پایان نامه کارشناسی ارشد (آقای مهران طاهری تهرانی)

موضوع:  شبکه‌های عصبی مصنوعی برای طراحی معکوس مواد با رهیافت مکانیک آسیب پیوسته

ارائه دهنده: مهران طاهری تهرانی

استادان راهنما: دکتر محمد مشایخی

استادان مشاور: -

استادان داور: دکتر مهران مرادی- دکتر محمد سیلانی

چکیده:

در این پژوهش با رهیافت شبکه‌های عصبی مصنوعی یک روش طراحی برای یک ماده کامپوزیتی زمینه فلزی با رویکرد کاهش آسیب ارائه می‌گردد. ماده کامپوزیتی زمینه فلزی از آلومینیوم و فولاد با کسر حجمی ثابت ۲۰ درصد تشکیل شده است. در این طراحی؛ چیدمان ذرات فولاد با رهیافت شبکه‌های عصبی مصنوعی به‌گونه‌ای پیشنهاد می‌شود که آسیب نرم حاصل از بارگذاری به حداقل ممکن برسد. برای این هدف؛ یک صفحه کامپوزیتی زمینه فلزی آلومینیوم و فولاد تحت بارگذاری‌های کششی و برشی قرار می‌گیرد و چیدمان هندسی ذرات استخراج می‌گردد. در این پژوهش؛ ابتدا مدل آسیب نرم لمتر به کمک یک زیربرنامه در نرم‌افزار اجزای محدود آباکوس پیاده‌سازی شده است و میدان‌های کرنش، تنش و آسیب در یک جسم تحت بارگذاری استخراج می‌شود. از نتایج این مدل‌سازی اجزای محدود برای داده‌های آموزشی یک شبکه عصبی وابسته به زمان (از نوع گیتی) استفاده خواهد شد. این شبکه عصبی توانایی پیش‌بینی مقدار آسیب باتوجه‌به کرنش ورودی را خواهد داشت. سپس شبکه عصبی مصنوعی پیشنهادی در یک مسئله محک مورد راستی‌آزمایی قرار می‌گیرد. در ادامه از این شبکه عصبی مصنوعی برای طراحی معکوس ماده کامپوزیتی زمینه فلزی سود برده می‌شود. چیدمان هندسی ذرات کامپوزیت به‌گونه‌ای که ماده بیشترین استحکام را داشته باشد و یا به‌عبارت‌دیگر آسیب ماده کمینه باشد، استخراج می‌گردد. در طراحی معکوس، چیدمان‌های تصادفی ماده کامپوزیتی انتخاب و کرنش‌های متناظر ذرات استخراج و به‌عنوان ورودی به شبکه عصبی مصنوعی آموزش‌دیده شده، داده می‌شود و مقادیر آسیب ذرات به‌عنوان خروجی استخراج می‌شود. در نهایت با الگوریتم پیشنهادی؛ چیدمان بهینه برای ذرات ماده کامپوزیتی با حداقل آسیب پیشنهاد می‌شود.

کلمات کلیدی: شبکه‌های عصبی مصنوعی ، طراحی معکوس مواد، مکانیک آسیب پیوسته ، کامپوزیت زمینه فلزی