Automated eigenmode classification for airfoils in the presence of fixation uncertainties

بهینه سازی طراحی خودکار ساختاری باید خطرات ناشی از شکست را که به الگوهای خاص خود بستگی دارد، در نظر بگیرد، از آنجا که شکل های خاص خود را با الگوی غلظت مشخصه تنش، و نیز تعامل خاص خود با تحریک، تعیین می کنند. بنابراین، چنین فرآیند باید بتواند الگوهای خاص خود را با نرخ خطای کم شناسایی کند. این یک وظیفه نسبتا چالش برانگیز است، زیرا مدلهای خاص به هندسه ساختار که در طول فرایند طراحی تغییر می کند و در شرایط مرزی که به وضوح مشخص نیست به دلیل عدم اطمینان در شرایط مونتاژ و اجرا، بستگی دارد. هدف از انجام این تحقیق، یافتن یک روش طبقه بندی مناسب برای مدل های خاص هواپیما کمپرسور است. نرمال سازی داده های خاص و اولویت بندی وابسته به داده های یک شبکه عصبی با استفاده از جهت اجزای اصلی به عنوان بردارهای اولیه وزن، به ایجاد یک طبقه بندی و تصمیم گیری اجازه می دهد تا تخصیص خودکار باند نامطمئن مناسب به خصوصیات خاص خود شکل خاص خود. استفاده از هواپیما کمپرسور یک توربین گاز ثابت با ریشه های چکش و پایه دم نشان دهنده عملکرد بالا روش پیشنهادی است.