14719

بررسي كاربرد يادگيري ماشين در پيشبيني خواص مكانيكي ساختارهاي تقويت شده با الياف يا ذرات

1403-2

دكتر محمدجواد اشرفي

اين تحقيق به بررسي كاربرد يادگيري ماشين در پيشبيني خواص مكانيكي كامپوزيتهاي تقويت- شده با الياف يا ذرات ميپردازد. با توجه به پيچيدگي رفتار مكانيكي اين مواد و هزينههاي بالاي آزمايشهاي تجربي، استفاده از روشهاي هوش مصنوعي و يادگيري ماشين به عنوان راهكاري كارآمد براي مدلسازي و بهينهسازي خواص كامپوزيتها مورد توجه قرار گرفته است. در اين مطالعه، ابتدا به معرفي كامپوزيتها و انواع آنها شامل كامپوزيتهاي پايه فلزي، سراميكي و پليمري پرداخته شده و خواص مكانيكي كليدي مانند استحكام كششي، فشاري، سختي، مدول الاستيك و چقرمگي مورد بحث قرار گرفتهاند. در ادامه، مفاهيم پايه هوش مصنوعي و يادگيري ماشين به همراه الگوريتم- هاي پركاربرد در اين حوزه تشريح شدهاند، همچنين مزايا و محدوديتهاي استفاده از هر كدام از الگوريتمها نيز مورد بررسي قرار گرفته است. بخش دوم تحقيق به مرور ادبيات گذشته اختصاص دارد كه در آن مطالعات متعددي در زمينه پيشبيني خواص مكانيكي كامپوزيتها با استفاده از يادگيري ماشين تحليل شدهاند. اين مطالعات نشان ميدهند كه تركيب روشهاي يادگيري ماشين با شبيهسازيهاي المان محدود يا دادههاي آزمايشگاهي ميتواند دقت پيشبيني را به طور چشم- گيري افزايش دهد و در عين حال زمان و هزينههاي محاسباتي را كاهش دهد.

6/7/2025 12:00:00 AM

86743

1404/03/19

Investigating the application of machine learning in predicting the mechanical properties of fiber or particle reinforced structures