Ανάλυση αξιοπιστίας συνθέτων υλικών με διαστρωματική αποκόλληση με χρήση robust design

Η διπλωματική εργασία σχετίζεται με την εύρεση καινοτόμων και robust τρόπων ανάλυσης αξιοπιστίας συνθέτων υλικών που έχουν υποστεί διαστρωματική αποκόλληση. Η εργασία χωρίζεται σε 8 ενότητες. Αρχικά γίνεται μια σύντομη εισαγωγή στα πλεονεκτήματα του στοχαστικού σχεδιασμού και στην ρεαλιστικότητα του...

Πλήρης περιγραφή

Λεπτομέρειες βιβλιογραφικής εγγραφής
Κύριος συγγραφέας: Σταματελάτος, Ιωάννης
Άλλοι συγγραφείς: Stamatelatos, Ioannis
Γλώσσα:Greek
Έκδοση: 2021
Θέματα:
Διαθέσιμο Online:http://hdl.handle.net/10889/15285
Περιγραφή
Περίληψη:Η διπλωματική εργασία σχετίζεται με την εύρεση καινοτόμων και robust τρόπων ανάλυσης αξιοπιστίας συνθέτων υλικών που έχουν υποστεί διαστρωματική αποκόλληση. Η εργασία χωρίζεται σε 8 ενότητες. Αρχικά γίνεται μια σύντομη εισαγωγή στα πλεονεκτήματα του στοχαστικού σχεδιασμού και στην ρεαλιστικότητα του έναντι στον ντετερμινιστικό. Στην δεύτερη ενότητα γίνεται μία εισαγωγή στην στοχαστική δομική ανάλυση και αναφέρεται η προσομοίωση Monte Carlo που θα χρησιμοποιηθεί για την ανάλυση μας. Έπειτα στην τρίτη ενότητα γίνεται μια εισαγωγή στα σύνθετα υλικά, ενώ στην τέταρτη αναφέρεται η μηχανική συνθέτων υλικών και μπαίνουν οι πρώτες μαθηματικές βάσεις για την υλοποίηση του κώδικα CLT. Στην πέμπτη ενότητα αναφέρονται οι μέθοδοι ανάλυσης της διαστρωματικής αποκόλλησης και αναλύεται εκτενέστερα η μέθοδος CTE που θα χρησιμοποιηθεί στην εργασία. Στην έκτη ενότητα επεξηγούνται τα μικρομηχανικά μοντέλα και γίνεται η επιλογή του καταλληλότερου όπου στην περίπτωση μας είναι το Bridging Model. Στη συνέχεια στο 7ο κεφάλαιο γίνεται αναφορά στην μηχανική μάθηση, στα είδη της και τα μοντέλα που χρησιμοποιούνται ευρέως με περισσότερη έμφαση να δίνεται στα νευρωνικά δίκτυα τα οποία μπορούν να δώσουν εντυπωσιακά αποτελέσματα. Στο 8ο κεφάλαιο αναφέρεται το πρόβλημα αξιοπιστίας που έχουμε να αναλύσουμε, τα δεδομένα του προβλήματος και τελικά τα αποτελέσματα των πιθανοτήτων αστοχίας. Τέλος στον κεφάλαιο 9 καταστρώνεται το βαθύ νευρωνικό δίκτυο που μας επιτρέπει την ακαριαία εύρεση της πιθανότητας αστοχίας για το συγκεκριμένο σύστημα που μελετάται, ανοίγοντας καινούργιες δυνατότητες εφαρμογών στη μηχανική.