پیش بینی رفتار مکانیکی مواد هایپرالاستیک تقویت شده با الیاف پیوسته تک جهته در تغییر شکل های بزرگ با استفاده از شبکه های عصبی

این مقاله یک مدل شبکه عصبی برای پیش بینی رفتار مکانیکی مواد الاستومری تقویت شده با الیاف پیوسته را در تغییر شکل های بزرگ معرفی می کند. مدل سازی بر اساس انرژی کرنش ماده انجام می شود که تابع اسکالر از مقادیر تانسوری مربوط به میدان تغییر شکل و جهت گیری الیاف است. داده های مورد نیاز برای آموزش شبکه عصبی، با استفاده از روش همگن سازی میکرومکانیکی بر روی یک عنصر حجمی نماینده که نشان دهنده ریزساختار ماده است، به دست آمده است. با اعمال تغییر شکل های بزرگ به این عنصر حجمی، پاسخ میکرومکانیکی ماده هایپرالاستیک ارزیابی شده و رفتار مکانیکی معادل برای کل ماده مرکب تعیین می شود. مدل نهایی توسعه یافته با استفاده از شبکه عصبی و نتایج میکرومکانیکی، می تواند به عنوان یک مدل رفتاری برای تحلیل اجزای محدود مورد استفاده قرار گیرد. یافته های این تحقیق به وضوح نشان می دهند مدل شبکه عصبی قادر به پیش بینی نتایج پیچیده تحلیل میکرومکانیکی است. این امر تاییدی بر کارایی روش ارائه شده در مدل سازی رفتار مواد هایپرالاستیک ناهمسانگرد است. مزیت اصلی این رویکرد، در توانایی آن برای کاهش چشمگیر زمان محاسبات در شبیه سازی های ماکروسکوپیک نهفته است، زیرا مدل شبکه ی عصبی به عنوان یک مدل رفتاری جایگزین، نیاز به تحلیل مستقیم ریزساختار در هر گام محاسباتی را مرتفع می سازد. این مدل به محققان امکان می دهد تا رفتار کلی مواد هایپرالاستیک ناهمسانگرد را بر اساس ویژگی های مواد تشکیل دهنده و ساختار داخلی آنها، با دقت بالا پیش بینی کنند.

کلیدواژه ها:

Neural Network ، Finite strain mechanical response ، Hyperelastic material ، Continuous unidirectional fibers ، Micromechanical modeling