پیش بینی و کنترل ارتعاشات ساختاری در سازه های هوافضا با استفاده از الگوریتم های هوش مصنوعی

در این پژوهش، به بررسی کارایی الگوریتمهای هوش مصنوعی در پیشبینی و کنترل ارتعاشات ساختاری در سازههای هوافضا پرداخته شد. هدف اصلی تحقیق، ارزیابی و مقایسه عملکرد سه الگوریتم پرکاربرد شامل یادگیری عمیق (Deep Learning)، شبکه های عصبی مصنوعی (ANN) و الگوریتم ژنتیک (GA) در کاهش نوسانات ساختاری و ارتعاشات ناخواسته در سازههای پیچیده هوایی بود. روش تحقیق بهصورت کاربردی و با استفاده از دادههای تجربی و شبیهسازیشده انجام شد. جامعه آماری شامل سازههای منتخب در حوزه هوافضا و دادههای ارتعاشی حاصل از سنسورها بود که با روش نمونهگیری هدفمند انتخاب شدند. ابزار گردآوری دادهها شامل سنسورهای ارتعاشسنج، نرم افزارهای تحلیل دینامیکی، و مدلهای الگوریتمی هوش مصنوعی بود که پایایی و روایی آنها از طریق آزمونهای آماری تایید گردید. یافتههای تحقیق نشان داد که الگوریتم یادگیری عمیق در پیشبینی دقیق الگوهای ارتعاشی، کاهش میانگین خطای پیشبینی و بهبود واکنش کنترلی، عملکرد بهتری نسبت به دو الگوریتم دیگر دارد. در شرایط پیچیده بارگذاری، الگوریتم یادگیری عمیق با دستیابی به مقدار MAE کمتر از ۰.۵ میلیمتر، توانست دقت بالایی ارائه دهد، در حالی که الگوریتم ژنتیک و شبکه های عصبی کلاسیک عملکرد ضعیفتری از خود نشان دادند. نتیجهگیری تحقیق بر این نکته تاکید دارد که بهرهگیری از الگوریتمهای هوش مصنوعی، بهویژه مدلهای یادگیری عمیق، میتواند راهکاری نوین، دقیق و کارآمد در طراحی سامانههای کنترل ارتعاشات در صنایع پیشرفته هوافضا باشد.

کلیدواژه ها:

هوش مصنوعی ، یادگیری عمیق ، کنترل ارتعاشات ، سازههای هوافضا ، الگوریتم ژنتیک