Все выпуски
- 2025 Том 35
- 2024 Том 34
- 2023 Том 33
- 2022 Том 32
- 2021 Том 31
- 2020 Том 30
- 2019 Том 29
- 2018 Том 28
- 2017 Том 27
- 2016 Том 26
- 2015 Том 25
- 2014
- 2013
- 2012
- 2011
- 2010
- 2009
- 2008
Применение нейронных сетей для локализации сосредоточенной нагрузки на поверхности деформируемого тела по данным о деформациях

В настоящей работе рассматривается обратная задача механики деформируемого твердого тела, связанная с поиском граничных условий при известной информации о напряженно-деформируемом состоянии. Конкретный вариант обратной задачи заключается в поиске на поверхности тела точки приложения сосредоточенной нагрузки при известных в конечном числе точек значениях деформаций. В качестве примера рассматривается тонкая прямоугольная пластина, жестко закрепленная по двум противоположным сторонам. Для построения алгоритма решения рассматриваемой задачи используется сеть прямого распространения. Необходимая информация о деформациях находится на основе метода конечных элементов. Результатом выполненного исследования является комплексный анализ факторов, определяющих точность решения рассматриваемой задачи: конфигурации системы мониторинга, объема обучающих данных и фазы инициализации.
Application of neural networks for localization a concentrated load on the surface of a deformable body based on strain data
In this paper, we consider an inverse problem of deformable solid mechanics related to the search for boundary conditions with known information about the stress-strain state. A specific version of the inverse problem consists in finding the point of application of a concentrated load on the surface of the body with deformation values known at a finite number of points. As an example, we consider a thin rectangular plate rigidly fixed on two opposite sides. A feedforward neural network is used to build an algorithm for solving the problem under consideration. The necessary information about deformations is based on the finite element method. The result of the performed research is a comprehensive analysis of the factors determining the accuracy of solving the problem under consideration: the configurations of the monitoring system, the amount of training data and the initialization phase.
Журнал индексируется в Web of Science (Emerging Sources Citation Index)
Журнал входит в базы данных zbMATH, MathSciNet
Журнал включен в базу данных Russian Science Citation Index (RSCI) на платформе Web of Science
Журнал входит в систему Российского индекса научного цитирования.
Журнал включен в перечень ВАК.
Электронная версия журнала на Общероссийском математическом портале Math-Net.Ru.