![Institutional Repository [SANDBOX]](images/dias.logo.png "Institutional Repository [SANDBOX]"){kind=logo}
Institutional Repository [SANDBOX]
Technical University of Crete
Technical University of Crete
EN
|
EL
| URI: | http://purl.tuc.gr/dl/dias/1B185FDC-66D8-430A-A7DC-8B497480AB1F | ||
| Year | 2024 | ||
| Type of Item | Master Thesis | ||
| License |
|
||
| Bibliographic Citation | Marios Karamitsos, "Physics informed neural networks (PINNs) for composite materials", Master Thesis, School of Production Engineering and Management, Technical University of Crete, Chania, Greece, 2024 https://doi.org/10.26233/heallink.tuc.100896 | ||
| Appears in Collections |
Στόχος της παρούσας εργασίας είναι η επίλυση διαφορικών εξισώσεων για την περιγραφή της συμπεριφοράς μοντέλων επίπεδης ελαστικότητας με χρήση μεθόδων υπολογιστικής νοημοσύνης συνδυάζοντας κατά αυτόν τον τρόπο το επιστημονικό πεδίο της υπολογιστικής μηχανικής με τις τεχνικές μηχανικής μάθησης. Η μέθοδος Physics Informed Neural Networks (PINNs) χρησιμοποιείται για την εύρεση των πεδίων μετατοπίσεων, παραμορφώσεων και τάσεων σε βασικά στοιχεία κατασκευών όπως η ράβδος και ο τετράγωνος δίσκος μέσω εξειδικευμένων πακέτων προγραμματισμού. Στην εργασία γίνεται αναφορά στην θεωρία ελαστικότητας και στη μοντελοποίηση των βασικών εξισώσεων που περιγράφουν τέτοια προβλήματα. Ορίζεται το θεωρητικό υπόβαθρο των PINN και αποσαφηνίζεται ο τρόπος λειτουργίας των κυριότερων συστατικών της μεθόδου όπως ο αλγόριθμος ανάστροφης διάδοσης σφάλματος ενώ ιδιαίτερη αναφορά γίνεται στην τεχνική της αυτόματης παραγώγισης. Στη συνέχεια υλοποιείται προγραμματιστικά η εφαρμογή και διερευνάται η πιστότητα της μέσα από παραδείγματα μηχανικής.
Copyright © DIAS 2013
