تحلیل قابلیت اطمینان سازه های کامپوزیتی با روش شبکه عصبی مصنوعی

در دهه های اخیر، تلاش برای کاهش هزینه و بهینه سازی سیستمها، و همچنین به دلیل وجود منابع عدم قطعیت در آنها، موجب گردیده است که تحلیل قابلیت اطمینان در موضوعات مختلف از اهمیت زیادی برخوردار شود. با توجه به مزیتهای فراوان استفاده از سازه های کامپوزیتی در صنعت و گسترش روزافزون به کارگیری آنها، موضوع تحلیل قابلیت اطمینان در این سازه ها بسیار مورد توجه قرار گرفته است. یکی از متداول ترین روشهای تحلیل قابلیت اطمینان سازه ها، روش شبیه سازی مستقیم مونت کارلو است که به دلیل هزینه محاسباتی بسیار بالا، فقط میتوان در مسائل ساده از آن استفاده نمود. در مقاله حاضر، برای تحلیل قابلیت اطمینان یک سازه کامپوزیتی با وجود منابع عدم قطعیت در پارامترهای ورودی مانند خواص مکانیکی، ابعاد هندسی، استحکام و بارگذاری، یک روش جایگزین براساس شبکه عصبی مصنوعی 1 ارائه شده است که نسبت به روشهای قدیمی از جمله مونت کارلو، از هزینه محاسباتی بسیار پایینی برخوردار بوده و دارای دقت بالایی میباشد. در انتها با حل یک مثال عددی و بررسی نتایج حاصل با روش مونت کارلو، برتری این روش از نظر دقت و سرعت محاسباتی نشان داده شده است.

کلیدواژه ها:

سازه های کامپوزیتی ، تحلیل قابلیت اطمینان ، شبکه عصبی مصنوعی ، عدم قطعیت