dc.contributor.author | Μερασεδόγλου, Δημήτριος-Νεκτάριος | el |
dc.contributor.author | Merasedoglou, Dimitrios-Nektarios | en |
dc.date.accessioned | 2024-09-02T09:07:23Z | |
dc.date.available | 2024-09-02T09:07:23Z | |
dc.identifier.uri | https://dspace.lib.ntua.gr/xmlui/handle/123456789/60081 | |
dc.identifier.uri | http://dx.doi.org/10.26240/heal.ntua.27777 | |
dc.rights | Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/gr/ | * |
dc.subject | Neural networks | en |
dc.subject | Finite element method | en |
dc.subject | Ultimate strength | en |
dc.subject | Levenberg-Marquardt | en |
dc.subject | Stiffened panels | en |
dc.subject | Νευρωνικά δίκτυα | el |
dc.subject | Υπολογισμός μέγιστης αντοχής | el |
dc.subject | Πεπερασμένα στοιχεία | el |
dc.subject | Ενισχυμένα ελάσματα | el |
dc.title | Υπολογισμός μέγιστης αντοχής ενισχυμένων ελασμάτων με χρήση νευρωνικών δικτύων | el |
heal.type | bachelorThesis | |
heal.classification | Μέθοδος πεπερασμένων στοιχείων | el |
heal.classification | Νευρωνικά δίκτυα | el |
heal.classification | Finite element method | en |
heal.classification | Neural networks | en |
heal.language | el | |
heal.access | free | |
heal.recordProvider | ntua | el |
heal.publicationDate | 2024-04-23 | |
heal.abstract | Το αντικείμενο της παρούσας εργασίας είναι η δημιουργία μιας εμπειρικής μεθόδου για τον υπολογισμό της μέγιστης αντοχής των ενισχυμένων ελασμάτων σε μονοαξονική θλιπτική καταπόνηση. Η μέθοδος αυτή δημιουργήθηκε μέσω ενός τεχνητού νευρωνικού δικτύου (ΤΝΔ), του οποίου οι μεταβλητές εισόδου είναι αδιάστατοι συντελεστές που περιγράφουν τη γεωμετρία ενός ενισχυμένου ελάσματος. Στην εργασία αυτή αναφέρονται, μεταξύ άλλων, ο τρόπος λειτουργίας των ΤΝΔ, η μέθοδος εκπαίδευσής τους, το μαθηματικό υπόβαθρο που υπάρχει πίσω από τα ΤΝΔ και οι τρόποι αξιολόγησης της απόδοσής τους. Η επιτυχής εκπαίδευση του ΤΝΔ έγινε μέσω δεδομένων εισόδου-εξόδου, τα οποία συλλέχθησαν με εφαρμογή της μεθόδου των πεπερασμένων στοιχείων. Για τη δημιουργία αυτής της βάσης δεδομένων μοντελοποιήθηκαν συνολικά 256 ενισχυμένα ελάσματα, για καθένα από τα οποία υπολογίστηκε η μέγιστη αντοχή. Με αυτόν τον τρόπο, συγκεκριμένες τιμές των αδιάστατων συντελεστών οδήγησαν σε συγκεκριμένη τιμή της μέγιστης αντοχής, και αυτά τα ζεύγη πληροφοριών εισόδου-εξόδου εισήχθησαν στο ΤΝΔ έτσι ώστε αυτό να προσεγγίσει τον τρόπο με τον οποίο εξαρτάται η μέγιστη αντοχή από αυτούς τους αδιάστατους συντελεστές. Ο τρόπος με τον οποίο μοντελοποιήθηκαν τα ενισχυμένα ελάσματα και επιλύθηκε το πρόβλημα εξηγείται αναλυτικά. Με βάση τα παραπάνω, τελικώς δημιουργήθηκε η μέθοδος υπολογισμού της μέγιστης αντοχής, και τα αποτελέσματα αυτής αξιολογήθηκαν. Αρχικά, αξιολογήθηκε η απόδοση του ΤΝΔ, ενώ στη συνέχεια τα αποτελέσματα που εξάγονται από αυτή τη μέθοδο συγκρίθηκαν με τα αντίστοιχα αποτελέσματα προγενέστερων εμπειρικών μεθόδων. Από αυτές τις αξιολογήσεις προέκυψε ότι τα ΤΝΔ προσεγγίζουν σε ικανοποιητικό βαθμό τα αποτελέσματα που προέκυψαν από την εφαρμογή της μεθόδου πεπερασμένων στοιχείων, ενώ επίσης τα αποτελέσματα που αποδίδει η εμπειρική μέθοδος μπορούν να θεωρηθούν αξιόπιστα. | el |
heal.abstract | The subject of the present study is the construction of an empirical formulae for predicting the ultimate strength of stiffened panels under uniaxial compression. The empirical formulae was constructed through an artificial neural network (ANN), whose input variables are dimensionless parameters which describe the geometry of a stiffened panel. In this study, many aspects of ANNs are referred, including the basic principles of ANNs, their training algorithm, the mathematical background behind ANNs and the methods for evaluation of their performance. The successful training of the ANN was achieved with input-output data, which were collected through finite element method (FEM) analysis. A total of 256 stiffened panels were modelled for the construction of the database, for each of which the ultimate strength was calculated. Thus, given values of the dimensionless parameters result to specific values of ultimate strength, and these input-output data were imported to the ANN, in order for it to approximate the relation between those dimensionless parameters and the ultimate strength of stiffened panels. The procedure of modelling of stiffened panels and the solution procedure are explained in detail. According to the above, the empirical formulae for predicting the ultimate strength of stiffened panels was created and its results were evaluated. Firstly, the performance of the ANN was evaluated, and then the results that are derived from this formulae were compared to the respective results of previous empirical formulae. The conclusions yielded from these evaluations are that ANNs can approach satisfactorily the results derived from FEM analysis, while the results derived from the empirical formulae can also be considered reliable. | en |
heal.advisorName | Σαμουηλίδης, Εμμανουήλ | el |
heal.committeeMemberName | Ανυφαντής, Κωνσταντίνος | el |
heal.committeeMemberName | Παπαλάμπρου, Γεώργιος | el |
heal.academicPublisher | Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ναυπηγών Μηχανολόγων Μηχανικών. Τομέας Θαλάσσιων Κατασκευών | el |
heal.academicPublisherID | ntua | |
heal.numberOfPages | 180 σ. | el |
heal.fullTextAvailability | false |
Οι παρακάτω άδειες σχετίζονται με αυτό το τεκμήριο: