مدل سازی داده محور مبتنی بر المان مجدود و یادیگیری ماشین برای پیش بینی شکست و بهینه سازی طراحی لوله های ترموپلاستیک )( RTP)

کد مقاله : 1359-NAEC

نویسندگان

علی فرخی نژاد *1، محمد شهابی زاده2 1ندارم 2تتتت لبب

چکیده مقاله

بهعنوان جایگزینی مقاوم در برابر خوردگی برای لولههای فلزی، (Reinforced Thermoplastic Pipes – RTP) لولههای ترموپلاستیک تقویتشد ه بهویژه در صنایع نفت و گاز، مطرح شد هاند. با وجود مزایای متعدد این لولهها، رفتار مکانیکی آنها تحت بارگذاریهای ترکیبی شامل خمش، فشار داخلی با (FEM) و دما هنوز بهطور کامل شناخته نشده است. در این مقاله، یک چارچوب جامع داد همحور ارائه میشود که در آن مد لسازی المان محدود ها پیشبینی و طراحی آنها بهینهسازی شود. ابتدا یک مدل RTP تلفیق شده است تا رفتار شکست و عملکرد مکانیکی (ML) روشهای یادگیری ماشین بر اساس آزمون خمش چهار نقطهای توسعه و با داد ههای تجربی اعتبارسنجی شد که خطای متوسط آن حدود 4.34 LS-DYNA عددی در نرمافزار بیشترین تأثیر (D/t) درصد بود. سپس با انجام 135 شبیهسازی پارامتری، تأثیر پارامترهای طراحی مختلف بررسی شد. نتایج نشان داد نسبت قطر به ضخامت را بر ظرفیت ممان خمشی دارد، در حالی که زاویه آرایش الیاف عامل غالب در زاویه دوران در لحظه شکست است. بر اساس این داد هها، یک مدل برای زاویه دوران (از خود نشان داد. این R²≈ برای ممان خمشی و 0.97 (R²≈ آموزش داده شد که دقت بالایی 0.93 Random Forest رگرسیون را فراهم میکند.

کلیدواژه ها

یادگیری ماشین، لوله های تقویت شده کامپوزیتی، روش المان محدود، پیش بینی شکست، مکانیزم های تخریب

وضعیت: پذیرفته شده