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...
| Κύριος συγγραφέας: | |
|---|---|
| Άλλοι συγγραφείς: | |
| Γλώσσα: | Greek |
| Έκδοση: |
2021
|
| Θέματα: | |
| Διαθέσιμο Online: | http://hdl.handle.net/10889/15285 |
| id |
nemertes-10889-15285 |
|---|---|
| record_format |
dspace |
| spelling |
nemertes-10889-152852022-09-05T20:42:53Z Ανάλυση αξιοπιστίας συνθέτων υλικών με διαστρωματική αποκόλληση με χρήση robust design Robust design and reliability assessment of composites for delamination Σταματελάτος, Ιωάννης Stamatelatos, Ioannis Στοχαστική ανάλυση αξιοπιστίας Προσομοίωση Μόντε Κάρλο Διαστρωματική αποκόλληση Μικρομηχανικά μοντέλα Μηχανική μάθηση με βαθύ νευρωνικό δίκτυο Stochastic reliability analysis Monte Carlo simulation Delamination Micromechanic models Deep neural network machine learning 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. The diploma thesis is related to finding innovative and robust ways of analyzing the reliability of composites that have undergone delaminations. The thesis is divided into 8 sections. First, there is a brief introduction to the advantages of stochastic design and its realism over the deterministic one. The second section introduces stochastic structural analysis and mentions the Monte Carlo simulation that will be used for our analysis. Then in the third section an introduction to composites materials is made, while in the fourth section the composite mechanics are mentioned and the first mathematical bases for the implementation of CLT code are introduced. The fifth section lists the methods of delamination analysis and describes in more detail the CTE method which will be used in this thesis. The sixth section explains the micromechanical models and selects the most suitable one where in our case it is the Bridging model. Then in the 7th chapter reference is made to machine learning, its types and models that are widely used with more emphasis given to neural networks which can give impressive results. In the 8th chapter the reliability problem that we must analyze is introduced among with the input data of the problem and finally the results of the probability of failure are presented. Finally, in the chapter 9 the deep learning neural network is designed, enabling the instantaneous estimation of the probability of failure for the specific system that is being studied and therefore opening the road for innovative engineering applications. 2021-10-11T06:05:29Z 2021-10-11T06:05:29Z 2021-10-10 http://hdl.handle.net/10889/15285 gr application/pdf |
| institution |
UPatras |
| collection |
Nemertes |
| language |
Greek |
| topic |
Στοχαστική ανάλυση αξιοπιστίας Προσομοίωση Μόντε Κάρλο Διαστρωματική αποκόλληση Μικρομηχανικά μοντέλα Μηχανική μάθηση με βαθύ νευρωνικό δίκτυο Stochastic reliability analysis Monte Carlo simulation Delamination Micromechanic models Deep neural network machine learning |
| spellingShingle |
Στοχαστική ανάλυση αξιοπιστίας Προσομοίωση Μόντε Κάρλο Διαστρωματική αποκόλληση Μικρομηχανικά μοντέλα Μηχανική μάθηση με βαθύ νευρωνικό δίκτυο Stochastic reliability analysis Monte Carlo simulation Delamination Micromechanic models Deep neural network machine learning Σταματελάτος, Ιωάννης Ανάλυση αξιοπιστίας συνθέτων υλικών με διαστρωματική αποκόλληση με χρήση robust design |
| description |
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. |
| author2 |
Stamatelatos, Ioannis |
| author_facet |
Stamatelatos, Ioannis Σταματελάτος, Ιωάννης |
| author |
Σταματελάτος, Ιωάννης |
| author_sort |
Σταματελάτος, Ιωάννης |
| title |
Ανάλυση αξιοπιστίας συνθέτων υλικών με διαστρωματική αποκόλληση με χρήση robust design |
| title_short |
Ανάλυση αξιοπιστίας συνθέτων υλικών με διαστρωματική αποκόλληση με χρήση robust design |
| title_full |
Ανάλυση αξιοπιστίας συνθέτων υλικών με διαστρωματική αποκόλληση με χρήση robust design |
| title_fullStr |
Ανάλυση αξιοπιστίας συνθέτων υλικών με διαστρωματική αποκόλληση με χρήση robust design |
| title_full_unstemmed |
Ανάλυση αξιοπιστίας συνθέτων υλικών με διαστρωματική αποκόλληση με χρήση robust design |
| title_sort |
ανάλυση αξιοπιστίας συνθέτων υλικών με διαστρωματική αποκόλληση με χρήση robust design |
| publishDate |
2021 |
| url |
http://hdl.handle.net/10889/15285 |
| work_keys_str_mv |
AT stamatelatosiōannēs analysēaxiopistiassynthetōnylikōnmediastrōmatikēapokollēsēmechrēsērobustdesign AT stamatelatosiōannēs robustdesignandreliabilityassessmentofcompositesfordelamination |
| _version_ |
1771297343844384768 |
