محاسبه ضریب شدت تنش تیر ترکدار تحت بارگذاری خمش سه نقطه ای به کمک حل عددی و شبکه عصبی

در این مقاله تحلیل عددی و شبکه عصبی برای بدست آوردن ضریب شدت تنش نمونه استاندارد خمش سه نقطه ای مورد مطالعه قرار گرفته است . با استفاده از روابط تحلیلی حاکم بر جابجایی نوک ترک، معادلاتی برای محاسبه ضریب شدت تنش بر حسب جابجایی نودهای موجود در سطوح ترک استخراج شده است . از نتایج اجزاء محدود برای جابجایی ها و روابط استخراج شده، ضریب شدت تنش محاسبه می شود . تأثیر اندازه و تعداد المان اطراف نوک ترک و همچنین حالت های تنش ( کرنش صفحه ای و تنش صفحه ای ) در نتایج اجزاء محدود بحث شده است . خطای زیادی در نتایج کرنش صفحه ای مشاهده می شود که به علت تطابق نداشتن با هندسه، طبیعی به نظر می رسد . با استفاده از نتایج تحلیل اجزاء محدود شبکه عصبی آموزش دیده و تست شده است . داده های بدست آمده از نتایج اجزاء محدود به دو گروه تقسیم می شوند : دسته داده های آموزشی که به منظور آموزش شبکه و دسته داده های تست که برای ارزیابی شبکه آموزش 2 Bias و SEP ،SEC ،R دیده شده به کار برده می شوند . پارامترهای به منظور ارزیابی شبکه آموزش دیده شده استفاده می شوند . در آموزش شبکه عصبی از الگوریتم Back Propagation استفاده شده است، زیرا بهترین نتایج را می دهد . همچنین برای تعیین تعداد نرون های لایه مخفی، با تعداد نرون های مختلف شبکه را آموزش داده تا در انتها با ۲۱ نرون در این لایه، کمترین خطا را بین نتایج اجزاء محدود و شبکه عصبی به دست آوردیم . همانطور که در نتایج مشخص است، داده های به دست آمده از شبکه عصبی در نتایج تست شبکه، نسبت به نتایج آموزش شبکه، دارای خطای بیشتری هستند که چنین امری طبیعی است . نتایج بدست آمده از شبکه عصبی به خوبی با جواب های حاصل از حل تئوری و روابط استخراج شده مطابقت دارد .