Search academic texts

Information × Registration Number 0821U102104, PhD dissertation Status Доктор філософії Date 26-06-2021 popup.evolution o Title Damage zones forecasting for engineering constructions using machine learning Author Choporova Oksana Volodimirivna, popup.head Lisnyak Andriy Oleksandrovych popup.opponent Subbotin Sergii Oleksandrovych popup.opponent Maksymenko-Sheiko Kyrylo V. popup.review Ermolayev Vadim Anatoliiovych popup.review Grebenyuk Sergij M Description Розроблені в дисертаційній роботі методи і моделі комп'ютерного навчання дозволяють робити швидкі оцінки параметрів стану об’єкту, а саме визначення напружено-деформованого стану. Під час розв’язання задач дисертаційного дослідження були розроблені штучні нейронні мережі для визначення максимального прогину та інтенсивності напружень за Мізесом у пластинах та оболонках. Також були розроблені алгоритми формування вибірки для навчання та тестування моделей. Досліджено можливості застосування генетичного алгоритму для оптимізації нейронної мережі регресійного аналізу і прогнозування максимального прогину пластин та оболонок. У дисертаційній роботі отримано такі наукові результати: – уперше розроблено нейромережевий метод для визначення напружено-деформованого стану пластин з довільними умовами закріплення, який дозволяє визначити максимальний прогин, а також максимальне значення інтенсивності напружень за Мізесом; – уперше розроблено нейромережевий метод для визначення напружено-деформованого стану циліндричної оболонки та комбінації циліндричної та конічної оболонок, який дозволив визначити прогин та інтенсивність напружень за Мізесом; – уперше розроблено нейромережевий метод на базі архітектури «автокодувальник» для визначення можливих зон руйнування у квадратних пластинах з отвором шляхом генерації ймовірних картин розподілу напружень; – удосконалено нейромережеві методи моделювання напружено-деформованого стану тонкостінних конструкцій шляхом розробки генетичного алгоритму оптимізації архітектури нейронної мережі, що дало змогу підвищити точність прогнозування. Програмну реалізацію розроблених методів виконано мовою програмування Python з використанням бібліотек scikit-learn, numpy, Pandas і Keras. Registration Date 2021-07-12 popup.nrat_date 2021-07-12 Close