Login
 Forum
 
 
Thesis topic proposal
 
A mesterséges intelligencia módszereinek alkalmazása a mérnöki stabilitáselméletben

THESIS TOPIC PROPOSAL

Institute: University of Debrecen
computer sciences
Doctoral School of Informatics

Thesis supervisor: Sándor Hajdu
Location of studies (in Hungarian): Debreceni Egyetem Informatikai Tudományok Doktori Iskola
Abbreviation of location of studies: ITDI


Description of the research topic:

Doktori téma leírása A mesterséges intelligencia sikeres alkalmazása a tudomány számos területén áttörést okozott. A szerkezetek mechanikájának, azon belül a mérnöki stabilitáselméletnek a terén, eddig viszonylag kevés alkalmazása jelent meg az említett módszernek.
A tökéletes geometriájú, tökéletesen rugalmas (perfekt) nyomott rúd stabilitásvesztést okozó nyomó ereje meghatározható, de a valóságos, hibákkal (kezdeti görbeség, kezdeti külpontosság, belső maradó feszültség, stb.) terhelt (imperfekt) szerkezet stabilitásvizsgálata csak elvben tekinthető teljesen megoldottnak.
A doktori kutatás célja a két terület összekapcsolásán keresztül, olyan mesterséges intelligencián alapuló algoritmusok kidolgozása, melyek valós és virtuális kísérletek eredményeiből tanulva, képesek megadni a valós szerkezeti elem stabilitási ellenállását, továbbá az így kapott eredmények összevetése a jelenleg is érvényben lévő Eurocode 3 szabvány alapján meghatározott ellenállásokkal.

Irodalom Fazekas I., Neurális hálózatok. Debrecen, 2013
Altrichter M., Horváth G., Strausz G., Takács G., és Valyon J., Neurális hálózatok. Budapest: Panem, 2006.
Papp F., Stabilitáselmélet a mérnöki gyakorlatban. Budapest, 2012.
Z. Waszczyszyn and L. Ziemiański, “Neural networks in mechanics of structures and materials – new results and prospects of applications,” Comput. Struct., vol. 79, no. 22–25, pp. 2261–2276, Sep. 2001, doi: 10.1016/S0045-7949(01)00083-9.
H.-B. Ly et al., “Development of Hybrid Machine Learning Models for Predicting the Critical Buckling Load of I-Shaped Cellular Beams,” doi: 10.3390/app9245458.
S. Tohidi and Y. Sharifi, “Neural networks for inelastic distortional buckling capacity assessment of steel I-beams,” Thin-Walled Struct., vol. 94, pp. 359–371, May 2015.
T.-A. Nguyen, H.-B. Ly, H.-V. T. Mai, and V. Q. Tran, “Using ANN to Estimate the Critical Buckling Load of Y Shaped Cross-Section Steel Columns,” 2021, doi: 10.1155/2021/5530702.


Deadline for application: 2022-11-15


2024. IV. 17.
ODT ülés
Az ODT következő ülésére 2024. június 14-én, pénteken 10.00 órakor kerül sor a Semmelweis Egyetem Szenátusi termében (Bp. Üllői út 26. I. emelet).

 
All rights reserved © 2007, Hungarian Doctoral Council. Doctoral Council registration number at commissioner for data protection: 02003/0001. Program version: 2.2358 ( 2017. X. 31. )