• شماره ركورد
    9260
  • پديد آورنده

    صبا عباس زاده منتظري

  • عنوان
    پيش بيني بار شكست سازه‌هاي اتصالات چسبي با استفاده از روش‌هاي داده محور
  • مقطع تحصيلي
    كارشناسي
  • رشته تحصيلي
    مهندسي مكانيك
  • سال فارغ التحصيلي
    1403
  • استاد راهنما
    دكتر مجيدرضا آيت اللهي
  • دانشجوي وارد كننده اطلاعات

    صبا عباس زاده منتظري

  • تاريخ ورود اطلاعات
    1403/07/13
  • دانشكده
    مكانيك
  • عنوان به انگليسي
    Failure Prediction of Adhesively Bonded Structures by Data-based Methods
  • چكيده
    اتصالات چسبي به دليل مزاياي متعددي مثل وزن كم، توزيع تنش يكنواخت و آسيب نرساندن به قطعات اصلي، سال‌هاي متمادي محبوب صنعتگران بوده است. استفاده از اتصالات چسبي در صنعت هوافضا، الكترونيك، مهندسي پزشكي، خودروسازي و كاربردهاي روزمره بسيار چشمگير و قابل‌توجه است. بااين‌حال تخريب سازه‌هاي چسبي مي‌تواند خسارت‌هاي جاني و مالي زيادي به همراه داشته باشد. ازاين‌جهت پيش‌بيني بار شكست در اين سازه‌ها از اهميت زيادي برخوردار است. پيش‌بيني بار شكست سازه‌هاي اتصالات چسبي نيازمند انجام تست‌هاي فيزيكي و يا استفاده از روش‌هاي مبتني بر علم اجزاي محدود است. ازآنجايي‌كه تست‌هاي فيزيكي بسيار طولاني و هزينه‌بر هستند، استفاده از اين روش براي عموميت مهندسين امكان ندارد و همچنين وابسته بودن تست‌هاي فيزيكي به شرايط محيطي و شرايط ساخت سازه نمونه، دقت نتايج را كاهش مي‌دهد. استفاده از نرم‌افزارهاي مبتني بر اجزاي محدود نيز وقت‌گير و نيازمند تبحر و علم به روش اجزاي محدود است و اطمينان از صحت نتايج براي نيروي غيرمتخصص تقريباً غيرممكن است. روش‌هاي داده‌محور و يادگيري ماشين با استخراج الگوهاي پيچيده مانند شبكه عصبي، اين امكان را فراهم مي‌كند تا مهندسين بدون نياز به پرداختن هزينه زماني و مالي، به نتايج قابل‌اطمينان و دقيقي برسند. انتشار نتايج و مدل‌هاي يادگيري ماشين در قالب وب اپليكيشن و اپليكيشن‌ها، استفاده جامعه مهندسين از اين روش‌ها را سهولت مي‌بخشد.
  • كليدواژه ها
    يادگيري ماشين , اتصالات چسبي