پایان نامه ارشد مکانیک تحلیل پایداری الاستیکی اعضای فشاری لاغر با تقویت پره ای با ضخامت متغیر، با استفاده از شبکه های عصبی

اختصاصی از یارا فایل پایان نامه ارشد مکانیک تحلیل پایداری الاستیکی اعضای فشاری لاغر با تقویت پره ای با ضخامت متغیر، با استفاده از شبکه های عصبی دانلود با لینک مستقیم و پرسرعت .

 تحلیل پایداری الاستیکی اعضای فشاری لاغر با تقویت پره ای با ضخامت متغیر، با استفاده از شبکه های عصبی

 

دانشگاه: دانشگاه شهید باهنر کرمان، دانشکده فنی-بخش مهندسی مکانیک

نویسنده: کیامرث بلدی

استاد راهنما: دکتر علی سینایی

استاد مشاور: ...

خلاصه پایان نامه:

 در این پژوهش، تقویت و افزایش بار بحرانی اعضاء فشاری با شرایط تکیه گاهی دو سر مفصل تحت بار فشاری مورد بررسی قرار می گیرد، همانند اعضاء فشاری که در اجزای مکانیکی، بخصوص در سیستمهای رباتیک و سازه های هوا و فضا به کار می روند. با توجه به اینکه در سیستمهای ذکر شده فوق و نظایر آنها کمینه کردن وزن سازه از مسائل اساسی طراحی می باشد، چرا که با این عمل انرژی مصرفی نیز متناسب با آن کاهش می یابد، به همین دلیل عضو فشاری تو خالی و پره ها با مقطع متغیر در طول عضو فشاری در نظر گرفته شده اند. هدف از این کار، تقویت عضو فشاری در قسمتهای بحرانی و حذف وزن اضافی در قسمتهای غیر ضروری می باشد. از سوی دیگر، به موجب هندسه پره ها سیستم مقید شده و تغییراتی در مود تغییر شکل عضو فشاری ایجاد می شود که موجب کاهش انحناء در وسط عضو فشاری و افزایش شیب در دو انتها و در نتیجه موجب افزایش بار بحرانی می گردد. از روش «ریلی- ریتز» جهت به دست آوردن بار بحرانی استفاده شده است و برای انجام این عمل، منحنی تغییر شکل تقریبی به صورت جملات فرد سینوسی یعنی تقریب یک، دو و سه عبارت فرد سینوسی در نظر گرفته شده اند. از نتایج به دست آمده ملاحظه می شود که در بدترین شرایط (b، a،h  بزرگ) اختلاف فاحشی در پاسخ این تقریبها وجود دارد (تا 25%) به همین خاطر نتایج تقریب سه عبارتی سینوسی ارائه شده است. از منحنیهایش طرح مشاهده می شود که افزایش بارپذیری تقریبا تا 130% می باشد.تمامی پارامترهلی طراحی که عبارتند از: طول تقویت (l)، ضخامت تقویت در وسط عضو فشاری (h)، پهنای تقویت (a, b)، تعداد تقویت(n)، طول کلی عضو فشاری (L)، شعاع خارجی عضو فشاری (ru) و شعاع داخلی عضو فشاری (ri)، بی بعد گردیده اند و در نتیجه می توان از نتایج بدست آمده به صورت کلی استفاده نمود.در نهایت از منحنی های بدست آمده نواحی بهینه را مشخص کرده و با نرتب کردن تعداد 700 زوج ورودی- خروجی در این نواحی و با استفاده از نرم افزار nest عمل آموزش شبکه به صورت سعی و خطا برای بهترین نوع شبکه انجام گرفته و بالاخره پاسخ nest با نتایج فوق مقایسه گردیده است. شبکه طراحی شده دارای دو لایه پنهان با پانزده گره در هر لایه می باشد. نتایج حاصله از شبکه عصبی با نتایج تحلیلی مقایسه شده اند و توافقی بسیار خوب را نشان می دهند.