مدل سازی شبکه عصبی پرسپترون چندلایه برای پیشبینی اولین بسامد طبیعی تیر خمیده مرکب تقویت شده با نانولوله های کربنی

این پژوهش به مدل سازی پاسخ ارتعاش آزاد تیرهای ترکیبی منحنی تقویت شده با نانولوله های کربنی می پردازد. با استفاده از یک چارچوب چند مقیاسی و روش اجزای محدود، تاثیر تغییر شکلهای خمشی و برشی در شش درجه آزادی بررسی شده است. یک مدل شبکه عصبی پرسپترون چندلایه نیز برای پیش بینی اولین بسامد طبیعی بدون بعد این تیرها معرفی شده است. این شبکه عصبی بر روی مجموعه داده ای دقیق و منسجم که از طریق شبیه سازیهای روش اجزای محدود استخراج شده، آموزش داده شده است. شبکه عصبی مدل سازی شده توانسته است قابلیت پیش بینی مطلوبی را در تخمین بسامد طبیعی تیرهای ترکیبی از خود نشان دهد. برای ارزیابی دقت و کارایی رویکرد پیشنهادی، تحلیل های تطبیقی میان نتایج روش اجزای محدود و خروجی شبکه عصبی انجام شده و با استفاده از شاخصهای آماری عملکرد پیش بینی مدل ارزیابی شده است. نتایج نشان می دهد که دقت پیش بینی مدل عصبی در تخمین اولین بسامد طبیعی این گونه تیرها بیش از ۹۵٪ است. این امر توان قابل توجه کاربرد شبکه های عصبی در تحلیلهای مهندسی را نشان می دهد. مطالعه حاضر نقش مهمی در ارتقای فهم رفتار دینامیکی تیرهای مرکب تقویت شده با نانولوله های کربنی ایفا می کند و نشان می دهد که روشهای مبتنی بر یادگیری ماشین به ویژه شبکه های عصبی می توانند به عنوان ابزارهای قدرتمند در تحلیل و پیش بینی پاسخ دینامیکی سازه ها مورد استفاده قرار گیرند.

کلیدواژه ها:

شبکه عصبی ، الگوریتم پرسپترون چندلایه ، ارتعاش ، آزاد تیر خمیده مرکب ، نانولوله های کربنی