Використання методів штучного інтелекту для прогнозу граничного статичного навантаження балки з гомогенного матеріалу за критерієм фон Мізеса на основі даних конструкційного міцнісного аналізу

Abstract

Предметом дослідження є статичний конструкційний аналіз у механіці. Мета роботи полягає у створенні та навчанні моделі штучного інтелекту у формі нейронних мереж для передбачення граничного навантаження на конструкційний елемент типу балка, що виконана з гомогенного матеріалу. Міцнісний стан цього конструкційного елементу визначається еквівалентними напруженнями за критерієм фон Мізеса. Вихідними та варіативними параметрами є геометричні розміри та силові навантаження, які діють на тіло. Досягнення мети дає можливість виконувати обчислення міцності елементу конструкції швидше з точки зору обчислень та з допустимими значеннями похибки в порівнянні з класичними методами механіки із застосуванням числових методів, зокрема методу скінченних елементів. Для досягнення мети вирішуються наступні задачі: проведення чисельних експериментів з аналізу міцнісного стану при статичному навантаженні балкового конструктивного елементу методом скінченних елементів; визначення ключових параметрів конструкційного елементу; підготовка та агрегування даних для моделі; проєктування та навчання моделі. Чисельні експерименти здійснювалися із заздалегідь визначеними типами закріплень та навантажень на балку. Було виконано 3 варіації підготовки даних і відповідно моделей для забезпечення репрезентативності передбачень нейронними мережами. Усі числові експерименти було проведено у системах автоматизованого проєктування. Проєктування моделей було виконано за принципом мінімальної, але достатньої кількості прихованих шарів мереж та нейронів у них. Навчання моделі відбувалося за принципом навчання з учителем, де вхідними параметрами обрано певну кількість геометричних властивостей та тиск, якому опирається тіло, а як вихідний параметр – максимальне еквівалентне напруження за критерієм фон Мізеса, що відповідає цим параметрам. The subject of the study is static structural analysis in mechanics. The aim of the work is to create and train an artificial intelligence model in the form of neural networks to predict the ultimate load on a structural element such as a beam made of a homogeneous material. The strength state of this structural element is determined by equivalent stresses according to the von Mises criterion. The initial and variable parameters are the geometric dimensions and power loads acting on the body. Achieving the goal makes it possible to calculate the strength of a structural element faster in terms of computation and with acceptable error values compared to classical methods of mechanics using numerical methods, in particular the finite element method. To achieve this goal, the following tasks are solved: conducting numerical experiments to analyze the strength state under static loading of a beam structural element using the finite element method; determining the key parameters of the body; preparing and aggregating data for the model; designing and training the model. Numerical experiments were carried out with predefined types of fixings and loads on the beam. There were 3 variations of data preparation and, accordingly, models to ensure the representativeness of predictions by neural networks. All numerical experiments were conducted in computer-aided design systems. All numerical experiments were conducted in computer-aided design systems. The design of the models was based on the principle of a minimal but sufficient number of hidden network layers and neurons in them. The model was trained on the principle of learning with a teacher, where a certain number of geometric properties and the pressure resisted by the body were selected as input parameters, and the maximum equivalent stress according to the von Mises criterion corresponding to these parameters was selected as an output parameter.