روشهای چند مقیاسی مبتنی بر یادگیری ماشین در تحلیل رفتار دقیق مواد مرکب

چکیده مقاله

امروزه استفاده از کامپوزیتها در صنایع، پیشرفته به ویژه در حوزه مکانیک و هوافضا به دلیل نسبت بالای استحکام به وزن اهمیت فزاینده ای یافته است با این حال پیچیدگی های ساختاری این مواد نیازمند مدلسازی دقیقی است تا بتوان رفتار آن ها را به درستی تحلیل کرد مدل های چند مقیاسی مزو ماکرو به عنوان ابزاری قدرتمند برای دستیابی به این تحلیل ها شناخته می شوند؛ زیرا قابلیت توجه به ویژگی های مواد را از سطح میکرو تا ماکرو فراهم می کنند در این مقاله مدل های چند مقیاسی به عنوان ابزارهای کلیدی برای تحلیل دقیق رفتار کامپوزیت ها معرفی می شوند این مدل ها با ترکیب روش المان محدود و تکنیک های پردازش تصویر توانایی شبیه سازی ویژگی های ساختاری این مواد را با دقت بیشتری دارا هستند لذا، مقاله حاضر به بررسی کاربرد روش های یادگیری ماشین و هوش مصنوعی، به ویژه پردازش تصویر در مدل سازی چند مقیاسی می پردازد استفاده از روش های هوشمند مبتنی بر هوش مصنوعی نه تنها هزینه های محاسباتی را به طور قابل توجهی کاهش می دهد بلکه امکان تحلیل دقیق تر و سریع تر رفتار مکانیکی مواد کامپوزیتی را نیز فراهم می آورد نتایج نشان می دهد که روش چند مقیاسی مبتنی بر یادگیری ماشین و هوش مصنوعی می تواند نقشی موثر در بهبود طراحی و بهینه سازی سازه های کامپوزیتی ایفا کند و به ویژه در کاربردهای حساس هوافضایی این روش ها به عنوان ابزارهای کارآمد و عملی می توانند به پیشرفت و توسعه این صنعت کمک نمایند

کلیدواژه‌ها

نویسندگان

رمضان بابائی

استادیار گروه مهندسی مکانیک دانشگاه ملی مهارت تهران ایران

پویا پاشایی

استادیار گروه مهندسی مکانیک دانشگاه ملی مهارت تهران ایران

�ابائی، رمضان و پاشایی، پویا،1403،روشهای چند مقیاسی مبتنی بر یادگیری ماشین در تحلیل رفتار دقیق مواد مرکب،ششمین کنفرانس ملی مهندسی مکانیک، عمران و فناوری های پیشرفته،اسفراین

ارائه‌شده در

مجموعه مقالات ششمین کنفرانس ملی مهندسی مکانیک، عمران و فناوری های پیشرفته15 آبان 1403 · اسفراین