Metody umělé inteligence aplikované na identifikaci parametrů mikroploškového modelu betonu

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21110%2F04%3A01101768" target="_blank" >RIV/68407700:21110/04:01101768 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

čeština

Název v původním jazyce

Metody umělé inteligence aplikované na identifikaci parametrů mikroploškového modelu betonu

Popis výsledku v původním jazyce

Chování betonu jakožto silně heterogenního materiálu je velmi složité díky stochastickému a nelineárnímu chování. V prezentované práci je pro popis odezvy betonu použit mikroploškový materiálový model, který je schopen věrohodně simulovat odezvu betonových prvků za předpokladu, že jsou dostupné patřičné vstupní parametry. Ačkoliv autoři mikroploškového modelu navrhli postup jak tyto parametry získat pomocí "pokusu a omylu", jejich nalezení přesto není jednoduché. Proto je naší snahou vytvořit spolehlivou a nenáročnou metodiku na určení požadovaných parametrů. Některé algoritmy z oblasti umělých inteligencí aplikovaných na hledání materiálových parametrů byly v nedávné době úspěšně aplikovány a proto se též tato práce zaměřila na tuto oblast. Konkrétněje zde použita umělá neuronová síť trénovaná genetickým algoritmem. Novinkou je pak použití simulační metody Latin Hypercube Sampling pro vytvoření trénovacích množin a senzitivní analýza vlivu jednotlivých materiálových parametrů.

Název v anglickém jazyce

Artificial Intelligence Methods Applied to the Identification of Microplane Material Model Parameters

Popis výsledku anglicky

Concrete as a heterogeneous material shows very complex non-linear behavior which is extremely difficult to model both theoretically and numerically. The microplane model is a fully three-dimensional material law that includes tensional and compressive softening, damage of the material, different combinations of loading, unloading and cyclic loading along with the development of damage-induced anisotropy of the material. As a result, it is fully capable of predicting behavior of real-world concrete structures once provided with proper input data. Therefore, a reliable and inexpensive procedure for parameters identification of this model is on demand. A new procedure based on artificial neural networks for the microplane parameter identification is proposed in the present paper. Novelties are usage of the Latin Hypercube Sampling method for generation of training sets, sensitivity analysis and genetic algorithm-based training of a neural network by the evolutionary algorithm SADE.

Druh

D - Stať ve sborníku

CEP obor

JD - Využití počítačů, robotika a její aplikace

OECD FORD obor

—

Projekt

—

Návaznosti

Z - Vyzkumny zamer (s odkazem do CEZ)

Rok uplatnění

2004

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Pravděpodobnost porušování konstrukcí 2004

ISBN

80-214-2718-3

ISSN

—

e-ISSN

—

Počet stran výsledku

14

Strana od-do

63-76

Název nakladatele

Vysoké učení technické v Brně

Místo vydání

Brno

Místo konání akce

Brno

Datum konání akce

6. 10. 2004

Typ akce podle státní příslušnosti

CST - Celostátní akce

Kód UT WoS článku

—