Dita Matesová, David Lehký, Zbyněk Keršner

Slides:



Advertisements
Podobné prezentace
Použitelnost Obvyklé mezní stavy použitelnosti betonových konstrukcí podle EC2: ·      mezní stav omezení napětí, ·      mezní stav trhlin, ·      mezní.
Advertisements

TÉMA 2 VÝSTAVBA, ÚDRŽBA, OPRAVY, ŽIVOTNOST VOZOVEK A EKONOMIKA
Obruba P. Traumacentrum Ústí n.L. Stejskal L. IBM, Seattle Biomedicínský výzkum s podporou evropských zdrojů v nemocnicích 23. – , Ústí nad.
Zkoušení asfaltových směsí
Součinitel dotvarování a objemových změn
Program na výpočet parametrů vlhkého vzduchu
SKLO Skelný stav.
MECHANIKA KOMPOZITNÍCH MATERIÁLŮ
Hledání začátků exonů v DNA Klára Pešková, Michal Bída.
Automatická fonetická segmentace pomocí UNS Registr - 36 neuronových sítí MLNN (pro každou českou hlásku jedna UNS) Trénovací množina: databáze promluv.
Topologie neuronových sítí (struktura, geometrie, architektura)
SSC - cvičení 3 MATLAB - BPG algoritmus 1.Vytvořit tréninková data 2.Vytvořit objekt sítě 3.Natrénovat síť 4.Simulace Funkce pro učení: learngd … základní.
Jiří Gazárek, Martin Havlíček Analýza nezávislých komponent (ICA) v datech fMRI, a ICA necitlivá ke zpoždění.
DOK „Umělá inteligence“ v DOK (i jinde). NEURONOVÉ SÍTĚ.
MODELOVÁNÍ VLÁKNOBETONU: EXPERIMENT – IDENTIFIKACE – NELINEÁRNÍ ANALÝZA – SPOLEHLIVOST (koncepce) úvodní přednáška k sekci Modelování vláknobetonu Prof.
Optimalizace v simulačním modelování. Obecně o optimalizaci  Optimalizovat znamená maximalizovat nebo minimalizovat parametrech (např. počet obslužných.
Nelineární projevy mechanických konstrukcí Petr Frantík Ú STAV STAVEBNÍ MECHANIKY F AKULTA STAVEBNÍ V YSOKÉ UČENÍ TECHNICKÉ V B RNĚ školitelé: Zbyněk Keršner.
Neuronové sítě Jakub Krátký.
Vícevrstvé neuronové sítě.  Neuronové sítě jsou složeny z neuronů tak, že výstup jednoho neuronu je vstupem jednoho nebo více neuronů  Propojení neuronů.
Použitelnost Obvyklé mezní stavy použitelnosti betonových konstrukcí podle EC2: ·      mezní stav omezení napětí, ·      mezní stav trhlin, ·      mezní.
Vyhodnocení lomových experimentů: Efektivní náhrady zatěžovacích diagramů Petr Frantík David Lehký Zbyněk Keršner F AKULTA STAVEBNÍ V YSOKÉ UČENÍ TECHNICKÉ.
FEM model pohybu vlhkostního pole ve dřevě - rychlost navlhání dřeva
1 Houževnatost i. i.Základní pojmy (tranzitní lomové chování ocelí, teplotní závislost pevnostních vlastností, fraktografie) ii. ii.(Empirické) zkoušky.
STABILITA NÁSYPOVÝCH TĚLES
Petr Horník školitel: doc. Ing. Antonín Potěšil, CSc.
INVERZNÍ ANALÝZA V GEOTECHNICE. Podstata inverzní analýzy Součásti realizace inverzní analýzy Metody inverzní analýzy Funkce inverzní analýzy.
Vliv okrajových podmínek při modelování tlakové zkoušky Ú STAV STAVEBNÍ MECHANIKY F AKULTA STAVEBNÍ V YSOKÉ UČENÍ TECHNICKÉ V B RNĚ Petr Frantík Zbyněk.
Systém rizikové analýzy při statickém návrhu podzemního díla Jan Pruška.
Plastická deformace tenkých vrstev Miroslav Cieslar katedra fyziky kovů MFF UK Habilitační přednáška Praha,
Optimalizace versus simulace 9.přednáška. Obecně o optimalizaci  Maximalizovat nebo minimalizovat omezujících podmínkách.  Maximalizovat nebo minimalizovat.
Hopfieldova asociativní paměť. Topologie sítě 1 vrstva zároveň vstupní i výstupní mezi neurony existují všechny spoje (kromě smyček)
Nelineární statická analýza komorových mostů
Čtyřvrstvý nosník namáhaný trojbodovým ohybem
Aspekty modelování lomu metodou konečných prvků Petr Frantík F AKULTA STAVEBNÍ V YSOKÉ UČENÍ TECHNICKÉ V B RNĚ F ACULTY OF C IVIL E NGINEERING B RNO U.
Typy deformace Elastická deformace – vratná deformace, kdy po zániku deformačního napětí nabývá deformovaný vzorek materiálu původních rozměrů Anelastická.
Komplexní modelování lomu a velkých deformací Complex modelling of fracture and large deformations Petr Frantík F AKULTA STAVEBNÍ V YSOKÉ UČENÍ TECHNICKÉ.
Neuronové sítě Jiří Iša
Model lomu trámce se dvěma stupni volnosti Petr Frantík F AKULTA STAVEBNÍ V YSOKÉ UČENÍ TECHNICKÉ V B RNĚ.
ZKUŠEBNICTVÍ A KONTROLA JAKOSTI 01. Experimentální zkoušení KDE? V laboratoři In-situ (na stavbách) CO? Modely konstrukčních částí Menší konstrukční části.
Analýza vyztužení prvků Vedoucí práce: Ing. Iva Broukalová, Ph.D.
Ladislav Řoutil, Zbyněk Keršner, Václav Veselý
Jiří Niewald, Vladimír Křístek, Jan Křížek
Metodika generování a ladění modelů neuronových sítí Ing. Martin MoštěkVŠB – Technická Univerzita Ostrava.
Použitelnost Obvyklé mezní stavy použitelnosti betonových konstrukcí podle EC2: ·      mezní stav napětí z hlediska podmínek použitelnosti, ·      mezní.
Další úlohy pružnosti a pevnosti.
Výpočet přetvoření staticky určitých prutových konstrukcí
Optimalizace versus simulace 8.přednáška. Obecně o optimalizaci  Maximalizovat nebo minimalizovat omezujících podmínkách.  Maximalizovat nebo minimalizovat.
Modelování historických konstrukcí Nelineární modelování obloukového segmentu Karlova mostu Zdeněk Janda České Vysoké Učení Technické v Praze.
Algoritmy a struktury neuropočítačů ASN - P14 Hopfieldovy sítě Asociativní paměti rekonstrukce původních nezkreslených vzorů předkládají se neúplné nebo.
CW – 05 TEORIE ROZHODOVACÍCH PROCESŮ Ústav technologie, mechanizace a řízení staveb Fakulta stavební VUT v Brně Ing. Václav Rada, CSc. Leden 2009.
Nelineární statická analýza komorových mostů
Cenová mapa podnájmů v Praze Ondřej Kmoch Tomáš Kohan
Neuronové sítě. Vývoj NS 1943 – W. McCulloch, W. Pittse – první jednoduchý matematický model neuronu 1951 – M. Minsky - první neuropočítač Snark 1957.
Nelineární analýza únosnosti předpjatých komorových mostů Numerická simulace s nelineárním materiálovým modelem Stavební fakulta ČVUT Praha Jiří Niewald,
Neuronové sítě.
Obecná deformační metoda Řešení nosníků - závěr. Analýza prutové soustavy Matice tuhosti K (opakování) Zatěžovací vektor F Řešení soustavy rovnic.
MKP /2004 Vypracovali:Jan Vorel Jan Sýkora Jan Sýkora.
Měření zatížení protéz dolních končetin tenzometrickou soupravou.
Nelineární řešení průhybu konzoly II Petr Frantík Ústav stavební mechaniky Ústav automatizace inženýrských úloh a informatiky Fakulta stavební, Vysoké.
Modelování primárního ostění Příklad 2. Primární ostění Primární ostění je zpravidla složeno ze stříkaného betonu a dalších výztužných prvků (svorníková.
Mechanické vlastnosti Důležité pro výpočet pevnosti, lze jimi číselně vyjádřit chování materiálu za působení vnějších sil. Zabývají se namáháním jako.
Ověření modelů a modelování Kateřina Růžičková. Posouzení kvality modelu Ověření (verifikace) ● kvalitativní hodnocení správnosti modelu ● zda model přijatelně.
ŘEMESLO - TRADICE A BUDOUCNOST
7. STRUKTURA A VLASTNOSTI PEVNÝCH LÁTEK A KAPALIN
Ing. Milan Houška KOSA PEF ČZU v Praze
Ing. Milan Houška KOSA PEF ČZU v Praze
Modelování procesů úpravy a těžby surovin
Neuronové sítě.
Neuronové sítě.
Modelování deskových konstrukcí v softwarových produktech
Transkript prezentace:

Dita Matesová, David Lehký, Zbyněk Keršner SIMULACE LOMOVÉ ZKOUŠKY KVAZIKŘEHKÝCH MATERIÁLŮ PODROBENÝCH VYSOKOTEPLOTNÍMU NAMÁHÁNÍ Dita Matesová, David Lehký, Zbyněk Keršner

MOTIVACE OBSAH PREZENTACE Použitelnost parametrů získaných z experimentů pro nelineární numerické simulace Možnosti modelování chování tepelně namáhaných kvazikřehkých materiálů dostupnými prostředky OBSAH PREZENTACE Experiment Simulace – model, identifikace parametrů Výsledky – l-d diagramy, parametry Závěry

EXPERIMENT – provedení a výstupy MATERIÁL Malta alkalicky aktivovaná vysokopecní struska sušené vodní sklo sodné SUSIL 2020 křemenný písek max. 3 mm EXPERIMENT – provedení a výstupy tříbodový ohyb na trámečcích 40x40x160 se zářezem (zatěžováno deformací), tlak na zlomcích maximální teploty výpalu 20 (ref.), 200, 400, 600, 800, 1000 a 1200°C rychlost výpalu 3°C/min, výdrž při maximální teplotě 60 min residuální lomově/mechanické vlastnosti – modul pružnosti, efektivní délka trhliny, lomová houževnatost, hnací síla trhliny, lomová energie, pevnost v tahu za ohybu, pevnost v tlaku, aj.

ATENA MODEL PRO SIMULACI 2D simulace materiálový model SBETA – požadované parametry: E, m, Rt, Rc, Gf, ec, wd, r monitorována síla a svislý průhyb uprostřed rozpětí

IDENTIFIKACE PARAMETRŮ SBETA MODELU Identifikační metoda založená na kombinaci umělé neuronové sítě a stochastické analýzy (simulace LHS, citlivost) POUŽITÝ TYP NEURONOVÉ SÍTĚ (Vícevrstvý perceptron): Sada neuronů uspořádaná v několika vrstvách Všechny neurony jedné vrstvy jsou spojeny se všemi neurony vedlejších vrstev

POUŽITÁ NEURONOVÁ SÍŤ 3 neurony ve výstupní vrstvě – lineární přenosová funkce 15 bodů l-d diagramu 8 neuronů ve skryté vrstvě – nelineární přenosová funkce

TRÉNOVÁNÍ SÍTĚ 3 sady teplot: 1) 20, 200 a 400°C, 2) 600, 800, 1000°C, 3) 1200°C trénovací množina 20 realizací l-d diagramů s náhodně zvolenými parametry Ec, ft a Gf k učení sítě byl zvolen algoritmus zpětného šíření chyby (backpropagation) 20 náhodných realizací – trénovací množina pro 20, 200 a 400°C

VÝSLEDKY Teploty 20, 200 a 400°C: experiment vs. identifikace 20°C

VÝSLEDKY Teploty 600, 800 a 1000°C: experiment vs. identifikace 600°C

VÝSLEDKY Teplota 1200°C: experiment vs. identifikace 1200°C

PARAMETRY - experiment výstupy vs. simulace vstupy

ZÁVĚRY Simulace vystihuje skutečné chování trámečků při lomové zkoušce v celém rozsahu zkoušených teplot Dominantní vstupní parametry pro 3PB jsou modul pružnosti, pevnosti v tahu a lomová energie Experimentálně zjištěné parametry se více či méně shodují se vstupními parametry pro simulaci DALŠÍ PRÁCE Ověření možnosti simulace a použitelnosti parametrů z experimentů pro tlačené prvky Simulace kvazikřehkých materiálů s nerovnoměrným rozložením teploty