دوره 17، شماره 5 - ( 5-1396 )                   جلد 17 شماره 5 صفحات 231-221 | برگشت به فهرست نسخه ها

‎ 20.1001.1.10275940.1396.17.5.27.5

XML English Abstract Print

Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Mahmoodi M, Fakhri Inchehborun A M. Fault detection of laminated composite plate with delamination damage using neural network training based on the free vibration response. Modares Mechanical Engineering 2017; 17 (5) :221-231
URL: http://mme.modares.ac.ir/article-15-3461-fa.html
محمودی محمد جواد، فخری اینچه برون ارازمحمد. عیب‌یابی ورق چند لایه کامپوزیتی با آسیب جدایی بین‌لایه‌ای با استفاده از آموزش شبکه عصبی بر مبنای پاسخ ارتعاشات آزاد. مهندسی مکانیک مدرس. 1396; 17 (5) :221-231

URL: http://mme.modares.ac.ir/article-15-3461-fa.html

عیب‌یابی ورق چند لایه کامپوزیتی با آسیب جدایی بین‌لایه‌ای با استفاده از آموزش شبکه عصبی بر مبنای پاسخ ارتعاشات آزاد
محمد جواد محمودی* 1، ارازمحمد فخری اینچه برون2
1- دانشگاه شهید بهشتی، پردیس فنی مهندسی شهید عباسپور، دانشکده مهندسی مکانیک و انرژی
2- دانشجوی کارشناسی ارشد، مهندسی مکانیک، دانشکده مهندسی مکانیک و انرژی، دانشگاه شهید بهشتی، تهران
چکیده:   (4702 مشاهده)
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.
واژه‌های کلیدی: ورق کامپوزیتی چندلایه، آسیب جدایی بین‌لایه‌ای، عیب‌یابی بر مبنای آنالیز مودال، شبکه عصبی پس انتشار خطا
متن کامل [PDF 1544 kb]   (6370 دریافت)    
نوع مقاله: مقاله پژوهشی کامل | موضوع مقاله: مواد مرکب
دریافت: 1395/10/5 | پذیرش: 1395/12/25 | انتشار: 1396/2/13
ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA
بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.