Artificial Intelligence for Identification of Material Behaviour Using Uncertain Load and Displacement Data
Artificial Intelligence for Identification of Material Behaviour Using Uncertain Load and Displacement Data
复制标题
使用不确定载荷和位移数据识别材料行为的人工智能
DOI：
10.1007/978-3-642-33362-0_49
复制
发表时间：
2012
期刊：
影响因子：
--
通讯作者：
Freitag
中科院分区：
文献类型：
--
作者：
Freitag
提出了一种识别随时间变化的材料特性的概念。它基于人工智能领域的两种方法。人工神经网络和群体智能相结合，利用实验调查的不确定测量数据创建本构材料公式。利用模糊数据的递归神经网络来描述不确定的应力-应变-时间依赖关系。采用非均匀应力场和应变场的不确定数据进行间接训练，识别网络参数。在有限元分析中对实际实验进行了数值模拟。采用粒子群算法最小化实测和计算的不确定位移数据之间的距离。经过参数辨识后，模糊数据的递归神经网络可用于模糊或模糊随机有限元分析中的材料描述。
A concept is presented for identification of time-dependent material behaviour. It is based on two approaches in the field of artificial intelligence. Artificial neural networks and swarm intelligence are combined to create constitutive material formulations using uncertain measurement data from experimental investigations. Recurrent neural networks for fuzzy data are utilized to describe uncertain stress-strain-time dependencies. The network parameters are identified by an indirect training with uncertain data of inhomogeneous stress and strain fields. The real experiment is numerically simulated within a finite element analysis. Particle swarm optimization is applied to minimize the distance between measured and computed uncertain displacement data. After parameter identification, recurrent neural networks for fuzzy data can be applied as material description within fuzzy or fuzzy stochastic finite element analyses.
登录
查看更多内容
考虑不精确性和变异性的结构分析中的神经网络方法
影响因子：
4.7
作者：
W. Graf;J. Sickert;S. Freitag;S. Pannier;M. Kaliske
通讯作者：
M. Kaliske
使用神经网络对具有褪色记忆的材料进行建模
影响因子：
2.9
作者：
M. Oeser;S. Freitag
通讯作者：
S. Freitag
不确定结构行为的预测和鲁棒设计
DOI：
--
发表时间：
2011
期刊：
影响因子：
--
作者：
J. Sickert;S. Freitag;W. Graf
通讯作者：
W. Graf
DOI：
10.1007/bf03326118
发表时间：
2010-12-01
影响因子：
3.1
作者：
Kuok, K. K.;Harun, S.;Shamsuddin, S. M.
通讯作者：
Shamsuddin, S. M.