کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6748344 1430169 2018 15 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Design of ultra-thin shell structures in the stochastic post-buckling range using Bayesian machine learning and optimization
ترجمه فارسی عنوان
طراحی سازه های پوسته بسیار نازک در محدوده پس از انقباض تصادفی با استفاده از یادگیری و بهینه سازی ماشین بیزی
کلمات کلیدی
ترجمه چکیده
یک چارچوب محاسباتی مبتنی بر داده ها با ترکیب رگرسیون بیزی برای مقادیر حساس به نفوذ، اندازه گیری عدم قطعیت و بهینه سازی چند منظوره برای طراحی ساختارهای پیچیده طراحی شده است. این چارچوب برای طراحی پوسته های قابل انعطاف کربن بسیار سبک نازک مورد استفاده قرار می گیرد. افزایش قابل توجهی در بارهای خم شدن نهایی امکان پذیر است، با افزایش بالقوه در حدود 100٪ نسبت به یک طراحی پیشنهادی پیشنهادی. کلیدی برای این نتیجه وجود یک ظرفیت ذخایر بار بزرگ پس از نقطه تقاطع اولیه و به خوبی در محدوده پس از خم شدن است که می تواند به طور موثر توسط رویکرد داده محور کاوش شود. استراتژی محاسباتی در اینجا ارائه شده است و می تواند به مشکلات مختلف در طراحی ساختاری و مواد، با پتانسیل یافتن طرح های مربوطه در فضاهای با ابعاد بزرگ، اعمال شود.
موضوعات مرتبط
مهندسی و علوم پایه سایر رشته های مهندسی مهندسی عمران و سازه
پیش نمایش مقاله
طراحی سازه های پوسته بسیار نازک در محدوده پس از انقباض تصادفی با استفاده از یادگیری و بهینه سازی ماشین بیزی
چکیده انگلیسی
A data-driven computational framework combining Bayesian regression for imperfection-sensitive quantities of interest, uncertainty quantification and multi-objective optimization is developed for the design of complex structures. The framework is used to design ultra-thin carbon fiber deployable shells subjected to two bending conditions. Significant increases in the ultimate buckling loads are shown to be possible, with potential gains on the order of 100% as compared to a previously proposed design. The key to this result is the existence of a large load reserve capability after the initial bifurcation point and well into the post-buckling range that can be effectively explored by the data-driven approach. The computational strategy here presented is general and can be applied to different problems in structural and materials design, with the potential of finding relevant designs within high-dimensional spaces.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: International Journal of Solids and Structures - Volumes 139–140, 15 May 2018, Pages 174-188
نویسندگان
, ,