Bejelentkezés
 Fórum
 
 
Témakiírás
 
Kovács Imre
A mesterséges intelligencia módszereinek alkalmazása a mérnöki stabilitáselméletben

TÉMAKIÍRÁS

Intézmény: Debreceni Egyetem
informatikai tudományok
Informatikai Tudományok Doktori Iskola

témavezető: Hajdu Sándor
társ-témavezető: Kovács Imre
helyszín (magyar oldal): Debreceni Egyetem Informatikai Tudományok Doktori Iskola
helyszín rövidítés: ITDI


A kutatási 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
[1] Fazekas I., Neurális hálózatok. Debrecen, 2013
[2] Altrichter M., Horváth G., Strausz G., Takács G., és Valyon J., Neurális hálózatok. Budapest: Panem, 2006.
[3] Papp F., Stabilitáselmélet a mérnöki gyakorlatban. Budapest, 2012.
[4] 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.
[5] 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.
[6] 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.
[7] 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.


Jelentkezési határidő: 2024-05-15


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).

 
Minden jog fenntartva © 2007, Országos Doktori Tanács - a doktori adatbázis nyilvántartási száma az adatvédelmi biztosnál: 02003/0001. Program verzió: 2.2358 ( 2017. X. 31. )