Recurrent Neural Network Multi-Scale Method Enhanced Isogeometric Method for Strength Analysis of Ship Structure

瀏覽統計 Email 通知 RSS Feed

簡歷

基本資料

Project title

Code/計畫編號

110-2221-E-019-033-

Translated Name/計畫中文名

結合遞歸神經網路多尺度法與等參幾何法用於計算船體結構強度分析

Project Coordinator/計畫主持人

Pai-Chen Guan

Funding Organization/主管機關

National Science and Technology Council

Department/Unit

Department of Systems Engineering and Naval Architecture

Website

https://www.grb.gov.tw/search/planDetail?id=13865720

Year

2021

Start date/計畫起

01-08-2021

Expected Completion/計畫迄

31-10-2022

Bugetid/研究經費

929千元

ResearchField/研究領域

機械工程

本計畫主要目標為利用機器學習與神經網路，訓練RVE微尺度模型 (Representative Volume Element)資料庫，該資料庫涵蓋不同裂縫與多種受力情況下的應力應變關係，預期將能透過機器學習演算法挑選合適的RVE模型，結合多尺度分析(Multi-scale analysis)，來擬合大尺度模型在微裂縫影響下的局部力學行為。我們使用近場動力學來建立RVE微尺度模型，該方法可以準確地描述裂縫的成長。而在大尺度模型中，本研究運用參幾何分析法(Iso-geometric analysis, IGA)來建立船板單元分析，IGA可精準的建立高階曲面模型。

Keyword(s)

多尺度計算
機器學習
等參幾何法
近場動力學
遞歸神經網路
代表體積單元
Multi-scale modeling
machine learning
isogeometric analysis
peridynamics
recurrent neural network
representative volume element

DSpace CRIS

Recurrent Neural Network Multi-Scale Method Enhanced Isogeometric Method for Strength Analysis of Ship Structure

基本資料

Description