پیشبینی تغییرشکل نوار نانوکامپوزیتی مغناطیسی تحت میدان مغناطیسی با استفاده از شبکههای عصبی آگاه از فیزیک
پیشبینی تغییرشکل نوار نانوکامپوزیتی مغناطیسی تحت میدان مغناطیسی با استفاده از شبکههای عصبی آگاه از فیزیک
حمیدرضا معتمدزاده1 احمدرضا فارسی2
1) - استادیار گروه مهندسی مکانیک، دانشکده فنی و مهندسی، دانشگاه اردکان، اردکان، ایران،
2) دانشجوی کارشناسی ارشد مهندسی مکانیک، دانشکده فنی و مهندسی، دانشگاه اردکان، اردکان، ایران،
کد IOI مقاله
:
AAHD-ABKBKK
محل انتشار :
کنفرانس ملی فناوری اطلاعات، نانوتکنولوژی، هوش مصنوعی و آینده پژوهی فناوری (itnaf.ir)
چکیده :
نانوکامپوزیتهای مغناطیسی و عملگرهای نرم مبتنی بر آنها به دلیل تحریک غیرتماسی در رباتیک نرم و سامانههای هوشمند کاربرد گستردهای یافتهاند. با این حال، حل مکرر معادلات غیرخطی حاکم برای ترکیبهای مختلف شدت و زاویه میدان، هزینه محاسباتی قابلتوجهی دارد. در این پژوهش، یک شبکه عصبی آگاه از فیزیک پارامتری برای پیشبینی تغییرشکل یک نوار نانوکامپوزیتی مغناطیسی ارائه شده است. ورودیهای شبکه شامل مختصات بیبعد طولی، شدت میدان مغناطیسی و زاویه اعمال میدان هستند و خروجی شبکه، توزیع زاویه مماس بر خط میانی نوار، یعنی heta left(xi ,; B,; phi
ight)، است. معادله حاکم در تابع هزینه اعمال شده، شرط گیردار بهصورت سخت در معماری شبکه و شرط انتهای آزاد بهصورت نرم در تابع هزینه لحاظ شده است. آموزش بدون داده برچسبدار و با ۶۰۰۰ نقطه هممکان و ۱۲۰۰ نقطه مرزی انجام شد و حل عددی مسئله مقدار مرزی فقط برای اعتبارسنجی عددی مستقل در برابر حل BVP به کار رفت. مدل در ۴۶۸ حالت دروندامنه به میانگین خطای نسبی 0/054% و میانگین خطای نوک ۰/۰۰۱۵۶ میلیمتر دست یافت. در ۳۶ حالت خارج از دامنه، میانگین خطای نسبی 84/1% و میانگین خطای نوک ۰۴۳۵/0 میلیمتر بود. زمان پیشبینی مدل بهطور متوسط در ارزیابی دروندامنه حدود 2/3 برابر و در ارزیابی تعمیم حدود ۲ برابر کمتر از حل عددی مرجع بود. نتایج، قابلیت مدل را برای تحلیلهای پارامتری سریع نشان میدهند، بدون آنکه ادعای برتری مطلق نسبت به همه روشهای عددی مطرح شود.
کلمات کلیدی : رباتیک نرم شبکه عصبی آگاه از فیزیک نانوکامپوزیت مغناطیسی الاستیکای مغناطیسی مدلسازی پارامتری