TY - JOUR T1 - Fault detection of laminated composite plate with delamination damage using neural network training based on the free vibration response TT - عیب‌یابی ورق چند لایه کامپوزیتی با آسیب جدایی بین‌لایه‌ای با استفاده از آموزش شبکه عصبی بر مبنای پاسخ ارتعاشات آزاد JF - mdrsjrns JO - mdrsjrns VL - 17 IS - 5 UR - http://mme.modares.ac.ir/article-15-3461-fa.html Y1 - 2017 SP - 221 EP - 231 KW - Laminated composite plate KW - Delamination KW - Fault detection based on modal analysis KW - Error back-propagation neural network N2 - در این پژوهش از شبکه‌ عصبی پس انتشار خطا برای عیب‌یابی ورق کامپوزیتی چندلایه با جدایی بین‌لایه‌ای استفاده می‌شود. نحوه عیب‌یابی به این صورت است که ابتدا تحلیل ارتعاشات آزاد ورق کامپوزیتی بر اساس روش عددی اجزای محدود انجام می‌گیرد و فرکانس‌های طبیعی در مودهای خاص به ازای مدل‌های مختلفی از آسیب جدایی بین‌لایه‌ای (اندازه، هندسه و موقعیت منطقه با جدایی بین‌لایه‌ای) بدست می‌آید و سپس فرکانس‌های طبیعی استخراجی از مدل به عنوان ورودی و پارامترهای اندازه، هندسه و موقعیت نیز به عنوان خروجی شبکه عصبی درنظر گرفته می‌شوند. ورق کامپوزیتی 8 لایه، بر اساس تئوری سه‌بعدی الاستیسیته و با درنظر گرفتن المان‌های شش وجهی آجری مدل می‌شود لذا در مدلسازی ورق کامپوزیتی تاثیر تغییر شکل‌های برشی عرضی درنظر گرفته می‌شود. به‌دلیل پیچیدگی فرایند حاکم بر مسئله ورق کامپوزیتی با جدایی بین‌لایه‌ای از قابلیت‌های نرم‌افزار آباکوس برای مدلسازی استفاده می‌شود. همچنین نتایج عددی حاصل از روش اجزای محدود با داده‌های عددی و آزمایشگاهی در دسترس مورد مقایسه و اعتبارسنجی قرار می‌گیرد. از دو روش آموزش لونبرگ–مارکوآرت و پس ‌انتشار خطای انعطاف‌پذیر برای آموزش شبکه عصبی و مقایسه پاسخ‌ها استفاده می‌شود. نتایج پیش‌بینی با روش آموزش لونبرگ–مارکوآرت تطابق بسیار خوبی با مقادیر بدست آمده از روش اجزای محدود دارد. بعد از آموزش شبکه عصبی، از تعمیم این مدل برای پیش‌بینی و عیب‌یابی آسیب در ورق کامپوزیتی استفاده می‌شود. M3 ER -