برآورد سریع فرکانس های طبیعی و پاسخ دینامیکی تیر یکسر گیردار با استفاده از شبکه عصبی مصنوعی یک مدل جایگزین مبتنی بر داده

در تحلیل دینامیکی سازه ها به ویژه در مسائل بهینه سازی طراحی تکراری و پایش سلامت سازه، محاسبه فرکانس های طبیعی و پاسخ دینامیکی با روش های تحلیلی یا اجزای محدود برای هزاران پیکربندی هندسی و مصالح متفاوت، هزینه محاسباتی بسیار بالایی دارد. در این پژوهش یک مدل جایگزین (Surrogate Model) مبتنی بر شبکه عصبی مصنوعی پیش خور برای برآورد سریع سه فرکانس طبیعی نخست و حداکثر تغییر مکان دینامیکی نوک یک تیر یکسر گیردار تحت بار ضربه ای نیم سینوسی ارائه شده است. برای این منظور پایگاه داده ای شامل ۲۰۰۰ نمونه با تغییر تصادفی طول، ابعاد مقطع مستطیلی و جنس فولاد، بتن و آلومینیوم تیر تولید شد؛ فرکانس های طبیعی از روابط تحلیلی تیر اویلر برنولی و حداکثر پاسخ دینامیکی از حل عددی معادله حرکت مدال به دست آمدند. شبکه عصبی با دو لایه پنهان (۳۲ و ۱۶ نورون) تابع فعال ساز ReLU روی ۸۰ درصد داده ها آموزش دید و روی ۲۰ درصد باقی مانده ارزیابی شد. نتایج نشان می دهد مدل پیشنهادی فرکانس های طبیعی را با ضریب تعیین بالاتر از ۰.۹۹۶ و حداکثر تغییر مکان دینامیکی را با ضریب تعیین حدود ۰.۹۹۰ برآورد می کند در حالی که زمان اجرای آن در مقایسه با تحلیل مستقیم برای هر نمونه جدید از مرتبه چند میلی ثانیه است. این نتایج پتانسیل بالای یادگیری ماشین را برای جایگزینی تحلیل های تکراری در طراحی بهینه و ارزیابی سریع دینامیکی سازه های خطی نشان می دهد.

کلیدواژه ها:

یادگیری ماشین ، شبکه عصبی مصنوعی ، تحلیل دینامیکی سازه ، تیر یکسر گیردار ، فرکانس طبیعی ، پاسخ دینامیکی ، مدل جایگزین ، بار ضربه ای ، تحلیل مودال ، رگرسیون خطای پیش بینی ، مهندسی سازه