16955

كاربرد يادگيري ماشين در مكانيك شكست

1402

دكتر وحيد بروجرديان

يادگيري ماشين (ML) به‌عنوان ابزاري قدرتمند براي بهبود ارزيابي خستگي، به‌ويژه در پل‌هاي فولادي، شناخته مي‌شود؛ جايي كه روش‌هاي سنتي مانند منحني S‑N و قانون Paris‑Erdogan در مواجهه با شرايط پيچيده و بارگذاري‌هاي متغير محدوديت دارند. مدل‌هاي ML با توانايي تحليل داده‌هاي بزرگ و شناسايي روابط غيرخطي ميان متغيرها، دقت پيش‌بيني عمر خستگي را افزايش داده و هزينه‌هاي محاسباتي را كاهش مي‌دهند. همچنين استفاده از اين روش‌ها در پايش سلامت سازه (SHM) و تشخيص ترك‌هاي خستگي به‌صورت بلادرنگ، امكان ارزيابي دقيق‌تر آسيب و افزايش طول عمر پل‌ها را فراهم مي‌كند. در مجموع، ادغام روش‌هاي مبتني بر داده و ML مي‌تواند نقش مهمي در ارتقاي ايمني، دوام و مديريت زيرساخت‌هاي حياتي در آينده ايفا كند.

10/20/2024 12:00:00 AM

89952

1405/01/13

Application of machine learning in fracture mechanics

مكانيك شكست , يادگيري ماشين

Fracture Mechanics , Machine Learning