کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
8048678 1519264 2018 7 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Efficient numerical modeling of 3D-printed lattice-cell structures using neural networks
ترجمه فارسی عنوان
مدلسازی عددی کارآمد از ساختار سلولهای شبکهی چاپی با استفاده از شبکههای عصبی
کلمات کلیدی
ترجمه چکیده
ساختارهای افزایشی تولید می توانند به منظور بهینه توزیع بارهای مکانیکی در حالی که سبک وزن باقی مانده اند، بتوانند ساخته شوند. برای کارآمد تحلیل رفتار مکانیکی محلی منحصر به فرد از ساختارهای ساخته شده از تعداد زیادی از سلول های شبکه کوچک، یک استراتژی که شبکه های عصبی و یادگیری عمیق را برای پیش بینی حداکثر تنش در قلمرو الاستوپلاستیک خطی یک عنصر محدود محدود مدل ارائه شده است. استراتژی بر روی یک نمونه سلولی شبکه ای نشان داده شده است. توافق خوب بین نتایج تجربی، عددی محدود و نتایج شبکه عصبی در کاهش قابل توجهی در زمان محاسبات یافت می شود.
موضوعات مرتبط
مهندسی و علوم پایه سایر رشته های مهندسی کنترل و سیستم های مهندسی
چکیده انگلیسی
Additively manufactured structures can be tailor-made to optimally distribute mechanical loads while remaining light-weight. To efficiently analyze the locally unique mechanical behavior of structures made from a large number of small lattice cells, a strategy which employs neural networks and deep learning to predict the maximum stresses in the realm of linear elasto-plasticity of a detail-level finite-element model is presented. The strategy is demonstrated on a single lattice cell specimen. Good agreements between experimental, finite element and neural network results are found at a significant reduction in computation time.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Manufacturing Letters - Volume 15, Part B, January 2018, Pages 147-150
نویسندگان
, , , , ,