پیش بینی تغییر شکل نوار نانوکامپوزیتی مغناطیسی تحت میدان مغناطیسی با استفاده از شبکه های عصبی آگاه از فیزیک

نانوکامپوزیت های مغناطیسی و عملگرهای نرم مبتنی بر آنها به دلیل تحریک غیر تماسی در رباتیک نرم و سامانه های هوشمند کاربرد گسترده ای یافته اند. با این حال، حل مکرر معادلات غیر خطی حاکم برای ترکیب های مختلف شدت و زاویه میدان هزینه محاسباتی قابل توجهی دارد. در این پژوهش یک شبکه عصبی آگاه از فیزیک پارامتری برای پیش بینی تغییر شکل یک نوار نانوکامپوزیتی مغناطیسی ارائه شده است. ورودی های شبکه شامل مختصات بی بعد طولی، شدت میدان مغناطیسی و زاویه اعمال میدان هستند و خروجی، شبکه توزیع زاویه مماس بر خط میانی، نوار، یعنی (B) ۰ است. معادله حاکم در تابع هزینه اعمال شده، شرط گیردار به صورت سخت در معماری شبکه و شرط انتهای آزاد به صورت نرم در تابع هزینه لحاظ شده است. آموزش بدون داده برچسب دار و با ۶۰۰۰ نقطه هم مکان و ۱۲۰۰ نقطه مرزی انجام شد و حل عددی مسئله مقدار مرزی فقط برای اعتبارسنجی عددی مستقل در برابر حل BVP به کار رفت. مدل در ۴۶۸ حالت درون دامنه به میانگین خطای نسبی ۰.۰۵۴ و میانگین خطای نوک ۰.۰۰۱۵۶ میلی متر دست یافت. در ۳۶ حالت خارج از دامنه میانگین خطای نسبی ۱.۸۴ و میانگین خطای نوک ۰.۰۴۳۵ میلی متر بود. زمان پیش بینی مدل به طور متوسط در ارزیابی درون دامنه حدود ۳.۲ برابر و در ارزیابی تعمیم حدود ۲ برابر کمتر از حل عددی مرجع بود. نتایج قابلیت مدل را برای تحلیل های پارامتری سریع نشان می دهند بدون آن که ادعای برتری مطلق نسبت به همه روش های عددی مطرح شود.

کلیدواژه ها:

رباتیک نرم ، شبکه عصبی آگاه از فیزیک ، نانوکامپوزیت مغناطیسی ، الاستیکای مغناطیسی ، مدل سازی پارامتری