Finite element model updating of a space vehicle first stage motor based on experimental test results

این مقاله در مورد یک روش برای به حداقل رساندن تفاوت بین نتایج تحلیلی و تجربی مدل خودرو فضایی با استفاده از روش به روز رسانی مدل عنصر محدود به منظور بهینه سازی ساختارها و فرایندهای قبل از به دست آوردن سخت افزار مورد بحث قرار می گیرد. پارامتر مواد و هندسی برای به روز رسانی مدال بر اساس تجزیه و تحلیل حساسیت تشکیل شده است. مقادیر بهینه پارامترهای مدل تجربی با استفاده از روش آرایه ای متعامد تعیین می شود. مدل عنصر محدود به روز شده نتایج قابل اعتمادتری را با مقادیر اندازه گیری تولید می کند. این روش اجتناب از بی نظمی و عدم همبستگی بین مجموعه داده های تجربی و تحلیلی داده ها را فراهم می کند، که امکان به روز رسانی مدل های انعطاف پذیر اما خودکار را با استفاده از پارامترهای پیش بینی شده شبکه عصبی فراهم می کند. نتایج عددی با اندازه گیری های تجربی مقایسه شده و تفاوت ها با اختلاف فرکانس طبیعی و شرایط اطمینان مدال اندازه گیری می شوند. با آموزش مدل شبکه عصبی بر اساس نتایج و به طور همزمان تنظیم پارامترهای ساختاری، می توان تفاوت بین مقادیر فرکانس اندازه گیری شده و پیش بینی شده را کاهش داد.