Parameter identification for a damage model using a physics informed neural network [recurso eletrônico] : Identificação de parâmetros de um modelo de dano usando uma rede neural informada por leis físicas
Carlos Jose Gonzalez Rojas
DISSERTAÇÃO
Inglês
T/UNICAMP G589p
[Identificação de parâmetros de um modelo de dano usando uma rede neural informada por leis físicas]
Campinas, SP : [s.n.], 2020.
1 recurso online (91 p.) : il., digital, arquivo PDF.
Orientadores: Marco Lúcio Bittencourt, José Luiz Boldrini
Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Mecânica
Resumo: Este trabalho aplica conceitos de redes neurais artificiais para identificar os parâmetros de um modelo matemático baseado em campos de fase para dano e fratura. A mecânica do dano é a parte da mecânica do contínuo que modela os efeitos da formação de micro-defeitos usando variáveis de...
Ver mais
Resumo: Este trabalho aplica conceitos de redes neurais artificiais para identificar os parâmetros de um modelo matemático baseado em campos de fase para dano e fratura. A mecânica do dano é a parte da mecânica do contínuo que modela os efeitos da formação de micro-defeitos usando variáveis de estado no nível macroscópico. As equações que definem o modelo são derivadas de leis fundamentais da física e fornecem relações importantes entre as variáveis de estado. Simulações utilizando o modelo considerado neste trabalho produzem bons resultados qualitativos e quantitativos, mas muitos parâmetros devem ser ajustados para reproduzir um determinado comportamento material. Considera-se a identificação dos parâmetros do modelo por meio da resolução de um problema inverso que emprega dados pseudo-experimentais para encontrar valores que produzem o melhor ajuste aos dados. Aplica-se uma rede neural informada por leis físicas e são combinados alguns métodos clássicos de estimativa para identificar os parâmetros materiais que aparecem na equação de dano do modelo. A estratégia aplicada é composta por uma rede neural que atua como uma função aproximadora da evolução do dano com sua saída regularizada utilizando o resíduo da equação diferencial. Três estágios de otimização buscam os melhores valores possíveis para os parâmetros materiais e da rede neural. O treinamento alterna entre o ajuste de apenas os dados pseudo-experimentais ou da perda total que inclui os termos de regularização. A robustez do método na presença de ruído nos dados de treinamento e a capacidade de generalização desta metodologia são testadas usando um caso físico simples para o modelo de dano. Este procedimento lida melhor com a presença de ruído em comparação com um método de otimização restrito para a equação diferencial e também fornece boas aproximações dos parâmetros materiais e a evolução do dano
Ver menos
Abstract: Este trabalho aplica conceitos de redes neurais artificiais para identificar os parâmetros de um modelo matemático baseado em campos de fase para dano e fratura. A mecânica do dano é a parte da mecânica do contínuo que modela os efeitos da formação de micro-defeitos usando variáveis de...
Ver mais
Abstract: Este trabalho aplica conceitos de redes neurais artificiais para identificar os parâmetros de um modelo matemático baseado em campos de fase para dano e fratura. A mecânica do dano é a parte da mecânica do contínuo que modela os efeitos da formação de micro-defeitos usando variáveis de estado no nível macroscópico. As equações que definem o modelo são derivadas de leis fundamentais da física e fornecem relações importantes entre as variáveis de estado. Simulações utilizando o modelo considerado neste trabalho produzem bons resultados qualitativos e quantitativos, mas muitos parâmetros devem ser ajustados para reproduzir um determinado comportamento material. Considera-se a identificação dos parâmetros do modelo por meio da resolução de um problema inverso que emprega dados pseudo-experimentais para encontrar valores que produzem o melhor ajuste aos dados. Aplica-se uma rede neural informada por leis físicas e são combinados alguns métodos clássicos de estimativa para identificar os parâmetros materiais que aparecem na equação de dano do modelo. A estratégia aplicada é composta por uma rede neural que atua como uma função aproximadora da evolução do dano com sua saída regularizada utilizando o resíduo da equação diferencial. Três estágios de otimização buscam os melhores valores possíveis para os parâmetros materiais e da rede neural. O treinamento alterna entre o ajuste de apenas os dados pseudo-experimentais ou da perda total que inclui os termos de regularização. A robustez do método na presença de ruído nos dados de treinamento e a capacidade de generalização desta metodologia são testadas usando um caso físico simples para o modelo de dano. Este procedimento lida melhor com a presença de ruído em comparação com um método de otimização restrito para a equação diferencial e também fornece boas aproximações dos parâmetros materiais e a evolução do dano
Ver menos
Requisitos do sistema: Software para leitura de arquivo em PDF
Bittencourt, Marco Lúcio, 1964-
Orientador
Boldrini, José Luiz, 1952-
Coorientador
Labaki, Josué, 1982-
Avaliador
Driemeier, Larissa
Avaliador
Parameter identification for a damage model using a physics informed neural network [recurso eletrônico] : Identificação de parâmetros de um modelo de dano usando uma rede neural informada por leis físicas
Carlos Jose Gonzalez Rojas
Parameter identification for a damage model using a physics informed neural network [recurso eletrônico] : Identificação de parâmetros de um modelo de dano usando uma rede neural informada por leis físicas
Carlos Jose Gonzalez Rojas