>
Fa   |   Ar   |   En
   ارائه مدل شبکه‌ی عصبی gmdh برای پیش‌بینی رفتار ورق‌های مثلثی تحت بارگذاری هیدرودینامیکی  
   
نویسنده حقگو مجتبی ,میرزابابای مستوفی توحید ,میر علینقی مهساسادات ,بابایی هاشم
منبع مكانيك سازه ها و شاره ها - 1399 - دوره : 10 - شماره : 3 - صفحه:233 -243
چکیده    هدف اصلی این مطالعه‌ بررسی نسبت تغییر شکل مرکز جرم ورق مثلثی به ضخامت آن با استفاده از روش پردازش گروهی شبکه عصبی و مقایسه‌ی آن با نتایج تست‌های آزمایشگاهی انجام شده بر ورق نازک مثلثی با استفاده از سامانه چکش پرتابه‌ای است. هم‌چنین بررسی تغییر شکل نهایی و کرنش ایجاد شده در ورق و انرژی منتقل‌ شده توسط ضربه ناشی از سقوط وزنه در دستور کار این مطالعه قرار دارد. برای بررسی تغییر شکل مرکز جرم ورق مثلثی از متغیرهای ورودی بدون‌بعد استفاده می‌شود. با ادغام روش‌های شبکه عصبی و اعداد بدون بعد، عبارت چندجمله‌ای مناسبی برای به دست آوردن تغییر شکل مرکز جرم ورق‌های مثلثی به دست می‌آید. روش جداسازی تک‌متغیره برای به دست آوردن بردار ضرایب زیرجملات شبکه عصبی پردازش گروهی استفاده می‌شود. روش جداسازی تک‌متغیره، عملکرد شبکه عصبی پردازش گروهی را برای مدل کردن فرایند پیچیده تغییر شکل ورق‌های مثلثی بهبود می‌دهد. بررسی نتایج به دست آمده از روش شبکه‌ی عصبی و مقایسه‌ی آن با داده‌های آزمایشگاهی تطابق قابل قبول مدل را نشان می‌دهد. از مهم‌ترین برجستگی‌های این روش می‌توان به سادگی محاسبات و کارائی مناسب در مطالعات پارامتری بارگذاری ضربه‌ای اشاره کرد.
کلیدواژه ورق مثلثی، هیدروفرمینگ، شبکه‌ی عصبی gmdh، بارگذاری ضربه‌ای، روش تجزیه مقادیر تکین
آدرس دانشگاه گیلان, دانشکده مهندسی مکانیک, ایران, دانشگاه ایوان‌کی, دانشکده مهندسی مکانیک, ایران, دانشگاه آزاد اسلامی واحد ورامین-پیشوا, دانشکده علوم پایه, ایران, دانشگاه گیلان, دانشکده مهندسی مکانیک, ایران
پست الکترونیکی ghbabaei@guilan.ac.ir
 
   Using GMDHtype neural network model to predict the response of triangular plates under the hydrodynamic loading  
   
Authors Haghgoo M. ,Mirzababaie Mostofi T. ,Miralinaghi M. ,Babaei H.
Abstract    The aim of this study is investigating the center of mass deflection to thickness ratio of triangular plates using the GMDHtype neural networks and comparing it with results of laboratory tests performed on a narrow triangular plate using waterhammer apparatus. Also, the study focuses on the overall deformation, strain and impact transmission. Dimensionless input variables are used to investigate the center of mass deflection of triangular plate with changing variables. A simpler polynomial expression is derived using GMDHtype neural network and dimensionless number. The vector of coefficients of quadratic subexpressions involved in GMDHtype networks is obtained by Singular Value Decomposition (SVD) method. SVD can improve the proficiency of GMDHtype networks to model the intricate process of deformation of triangular plates. Obtaining results by applying a GMDH model and comparing them with actual data indicates good agreement between model output and experimental data. The advantages of this approach are in the simplification of computation and convenient application to parametric study for impact behavior.
Keywords
 
 

Copyright 2023
Islamic World Science Citation Center
All Rights Reserved