پیش بینی بار بحرانی کمانش در سازه مخروطی مشبک کامپوزیتی با استفاده از شبکه عصبی مصنوعی

پوسته های مشبک کامپوزیتی یکی از مهم ترین اجزای تشکیل دهنده سازه های مورد استفاده در صنایع مختلف هستند. نسبت استحکام بالا به وزن پائین و قابلیت تحمل بار در وزن محدود این امکان را فراهم آورده که این نوع سازه ها به طور گسترده ای مورد استفاده قرار گیرند. آنالیز کمانش و تعیین و پیش بینی بار بحرانی کمانش در این سازه ها از جمله مهم ترین پارامترهای طراحی این سازه های کامپوزیتی است. در این مطالعه ابتدا با استفاده از نظریه هالفین - تسای بهبودیافته تاثیر افزودن نانوذرات کربن با درصدهای جرمی ۱، ۱.۵، ۳، ۴ و ۵ بر خواص الاستیک رزین بررسی و محاسبه شد. سپس با استفاده از نظریه اختلاط در کامپوزیت ها خواص کامپوزیت به کاررفته در سازه مشبک مخروطی تخمین زده شد. پس از تعیین خواص کامپوزیت با درصدهای مختلف ذرات نانو، یک مدل المان محدود جهت پیش بینی بار کمانش در نرم افزار آباکوس توسعه و نتایج آن با نتایج تجربی صحت سنجی شد. همچنین جهت آموزش شبکه عصبی برای پیش بینی بار بحرانی کمانش ۷۵ مدل به روش اسکریپت نویسی در نرم افزار آباکوس با درصدهای مختلف ذرات نانو و نسبت ضخامت به عرض های مختلف در سطح مقطع ریب های مارپیچ و محیطی (۵/۰، ۱ و ۵/۱) توسعه و بار بحرانی کمانش محاسبه گردید

کلیدواژه ها:

ساختارهای مشبک کامپوزیتی ، آنالیز کمانش ، روش المان محدود ، شبکه عصبی مصنوعی