1. Home page
  2. Search

In-plane defect identification in homogenous and composite materials using neural networks and the finite element method.

This item is provided by the institution :
National Technical University of Athens   

Repository :
Digital Library of National Technical University of Athens | Dspace@NTUA   

see the original item page
in the repository's web site and access all digital files if the item*



Εντοπισμός ατελειών σε επίπεδη πλάκα ομογενούς και σύνθετου υλικού με χρήση νευρωνικών δικτύων και μεθόδου πεπερασμένων στοιχείων. (EL)
In-plane defect identification in homogenous and composite materials using neural networks and the finite element method. (EN)
Ανδριανάκης, Ευστάθιος Α. (EL)
Andrianakis, Efstathios . (EN)
Αντωνιάδης, Ιωάννης (EL)
Προβατίδης, Χριστόφορος (EL)
Σπέντζας, Κωνσταντίνος (EL)
bachelorThesis
2008-11-07
2008-10-07T07:12:24Z
2008-07-23
2008-07-24
2008-10-07
221 σ. (EL)
Το θέμα της παρούσας Διπλωματικής Εργασίας είναι η λύση του προβλήματος εντοπισμού ατελειών σε επίπεδη πλάκα, ομογενούς και σύνθετου υλικού με χρήση πεπερασμένων στοιχείων και νευρωνικών δικτύων. Η μέθοδος των πεπερασμένων στοιχείων χρησιμοποιείται για την επίλυση του ευθέως προβλήματος, ενώ η αντίστροφη ανάλυση γίνεται μέσω νευρωνικών δικτύων. Οι έξοδοι του νευρωνικού δικτύου είναι αυτές που καθορίζουν πλήρως την ατέλεια, συγκεκριμένα, οι συντεταγμένες (x,y) του κέντρου της και ανάλογα με την υπό εξέταση περίπτωση το μέγεθός της (ακτίνα). Η μεθοδολογία εντοπισμού ατελειών που προτείνεται, εφαρμόζεται σε διδιάστατα δοκίμια με μία ατέλεια κυκλικής ή ελλειπτικής γεωμετρίας. Όσον αφορά το υλικό του δοκιμίου εξετάζονται δύο είδη, το πρώτο είναι ομογενές ισότροπο ενώ το δεύτερο σύνθετο πολυστρωματικό υλικό, και συγκεκριμένα αποτελείται από εποξική μήτρα και ενισχύσεις ινών γραφίτη (Graphite/Epoxy). (EL)
Ευστάθιος Α. Ανδριανάκης (EL)
The subject of this thesis is the development and testing of an inverse solution technique for non destructive flaw identification problems. The direct problem is modeled and solved using the Finite Element Method (FEM). As it concerns the inverse analysis, due to its complexity, the use of Neural Networks (NN) is proposed. All the NN are feed-forward multilayer networks trained by back-propagation, error-driven supervised training algorithm. The NN’s aim is to completely specify the flaw. The above method is tested in homogenous and composite (Graphite/Epoxy) 2D specimens, which contain a circular or an elliptic flaw. In the case of a circular flaw the outputs of the NN are 3 (center’s coordinates and radius), while in the case of an elliptic are 2 (center’s coordinates). To determine the method’s efficiency, the trained NN have been simulated with a wide set of training and test data. (EN)
Νευρωνικά δίκτυα (EL)
Μέθοδος πεπερασμένων στοιχείων (EL)
Αντίστροφη ανάλυση (EL)
Inverse analysis (EN)
Finite element method (EN)
Neural networks (EN)
Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Μηχανολόγων Μηχανικών. Τομέας Mηχανολογικών Kατασκευών και Aυτομάτου Eλέγχου. Εργαστήριο Δυναμικής και Κατασκευών (EL)
ETDFree-policy.xml (EN)
National Technical University of Athens
Digital Library of National Technical University of Athens | Dspace@NTUA
Κεντρική Βιβλιοθήκη Ε.Μ.Π.
Ιδρυματικό Αποθετήριο
Διπλωματικές Εργασίες



*Institutions are responsible for keeping their URLs functional (digital file, item page in repository site)