Εντοπισμός ατελειών σε επίπεδη πλάκα ομογενούς και σύνθετου υλικού με χρήση νευρωνικών δικτύων και μεθόδου πεπερασμένων στοιχείων.

Abstract

Το θέμα της παρούσας Διπλωματικής Εργασίας είναι η λύση του προβλήματος εντοπισμού ατελειών σε επίπεδη πλάκα, ομογενούς και σύνθετου υλικού με χρήση πεπερασμένων στοιχείων και νευρωνικών δικτύων. Η μέθοδος των πεπερασμένων στοιχείων χρησιμοποιείται για την επίλυση του ευθέως προβλήματος, ενώ η αντίστροφη ανάλυση γίνεται μέσω νευρωνικών δικτύων. Οι έξοδοι του νευρωνικού δικτύου είναι αυτές που καθορίζουν πλήρως την ατέλεια, συγκεκριμένα, οι συντεταγμένες (x,y) του κέντρου της και ανάλογα με την υπό εξέταση περίπτωση το μέγεθός της (ακτίνα). Η μεθοδολογία εντοπισμού ατελειών που προτείνεται, εφαρμόζεται σε διδιάστατα δοκίμια με μία ατέλεια κυκλικής ή ελλειπτικής γεωμετρίας. Όσον αφορά το υλικό του δοκιμίου εξετάζονται δύο είδη, το πρώτο είναι ομογενές ισότροπο ενώ το δεύτερο σύνθετο πολυστρωματικό υλικό, και συγκεκριμένα αποτελείται από εποξική μήτρα και ενισχύσεις ινών γραφίτη (Graphite/Epoxy).

The subject of this thesis is the development and testing of an inverse solution technique for non destructive flaw identification problems. The direct problem is modeled and solved using the Finite Element Method (FEM). As it concerns the inverse analysis, due to its complexity, the use of Neural Networks (NN) is proposed. All the NN are feed-forward multilayer networks trained by back-propagation, error-driven supervised training algorithm. The NN’s aim is to completely specify the flaw. The above method is tested in homogenous and composite (Graphite/Epoxy) 2D specimens, which contain a circular or an elliptic flaw. In the case of a circular flaw the outputs of the NN are 3 (center’s coordinates and radius), while in the case of an elliptic are 2 (center’s coordinates). To determine the method’s efficiency, the trained NN have been simulated with a wide set of training and test data.