W zależności od ilości danych do przetworzenia generowanie pliku może się wydłużyć.

Jeśli generowanie trwa zbyt długo można ograniczyć dane np. zmniejszając zakres lat.

Artykuł

Pobierz BibTeX

Tytuł

Application of Artificial Neural Networks to Numerical Homogenization of the Precast Hollow-Core Concrete Slabs

Autorzy

[ 1 ] Instytut Analizy Konstrukcji, Wydział Inżynierii Lądowej i Transportu, Politechnika Poznańska | [ P ] pracownik | [ S ] student

Dyscyplina naukowa (Ustawa 2.0)

[2.7] Inżynieria lądowa, geodezja i transport

Rok publikacji

2024

Opublikowano w

Applied Sciences

Rocznik: 2024 | Tom: vol. 14 | Numer: iss. 7

Typ artykułu

artykuł naukowy

Język publikacji

angielski

Słowa kluczowe
EN
  • hollow-core slabs
  • numerical homogenization
  • laminate theory
  • artificial neural network
  • multi-layer perceptron regressor
Streszczenie

EN The main goal of this work is to combine the usage of the numerical homogenization technique for determining the effective properties of representative volume elements with artificial neural networks. The effective properties are defined according to the classical laminate theory. The purpose is to create and train a rapid surrogate model for the quick calculation of the mechanical properties of hollow concrete slabs. First, the homogenization algorithm was implemented, which determines membrane, bending and transverse shearing properties of a given parametrized hollow-core precast slab reinforced with steel bars. The algorithm uses the finite element mesh but does not require a formal solution of the finite element method problem. Second, the learning and training artificial intelligence framework was created and fed with a dataset obtained by optimal Latin hypercube sampling. In the study, a multilayer perceptron type of artificial neural network was used. This allows for obtaining rapid calculations of the effective properties of a particular hollow-core precast slab by using a surrogate model. In the paper, it has been proven that such a model, obtained via complex numerical calculations, gives a very accurate estimation of the properties and can be used in many practical tasks, such as optimization problems or computer-aided design decisions. Above all, the efficient setup of the artificial neural network has been sought and presented.

Data udostępnienia online

03.04.2024

Strony (od-do)

3018-1 - 3018-18

DOI

10.3390/app14073018

URL

https://www.mdpi.com/2076-3417/14/7/3018

Uwagi

Article Number: 3018

Typ licencji

CC BY (uznanie autorstwa)

Tryb otwartego dostępu

otwarte czasopismo

Wersja tekstu w otwartym dostępie

ostateczna wersja opublikowana

Czas udostępnienia publikacji w sposób otwarty

w momencie opublikowania

Punktacja Ministerstwa / czasopismo

100

Impact Factor

2,5 [Lista 2023]

Ta strona używa plików Cookies, w celu zapamiętania uwierzytelnionej sesji użytkownika. Aby dowiedzieć się więcej przeczytaj o plikach Cookies i Polityce Prywatności.