تازه های سایت
پربحث ترین اخبار
پربازدید ترین اخبار
کد خبر: ۳۹۵۷۱
تعداد بازدید: ۹۶
تاریخ انتشار: ۰۸ مرداد ۱۴۰۴ - ۱۲:۳۳

روش نوآورانه تیم تحقیقاتی دانشگاه امام حسین (ع) در ارزیابی عمر مفید کامپوزیت‌های دریایی

روش نوآورانه تیم تحقیقاتی دانشگاه امام حسین (ع) در ارزیابی عمر مفید کامپوزیت‌های دریایی
در یکی از تازه‌ترین پژوهش‌های علمی دانشگاه جامع امام حسین (ع)، الگوریتم‌های یادگیری ماشین به‌عنوان روشی نوین برای پیش‌بینی عمر مفید کامپوزیت‌های دریایی معرفی شده‌اند؛ روشی که می‌تواند گامی مؤثر در ارتقاء ایمنی و دوام سازه‌های دریایی در مواجهه با شرایط محیطی رطوبتی گرمایی باشد.

به گزارش مارین‌نیوز از روابط عمومی انجمن مهندسی دریایی ایران، مقاله‌ای با عنوان «کاربرد یادگیری ماشین در پیش‌بینی طول عمر کامپوزیت‌های دریایی» توسط سیدامیر ابوالقاسم‌حسینی (دانشجوی دانشگاه جامع امام حسین ع) و دکتر محمد لطیفی (استادیار دانشگاه جامع امام حسین ع)، در نشریه علمی-پژوهشی مهندسی دریا (Journal of Marine Engineering) پذیرفته و در شماره آتی این نشریه منتشر خواهد شد.
چکیده مقاله: 
کامپوزیت‌های پلیمری تقویت‌شده با الیاف (FRP) به دلیل نسبت بالای مقاومت به وزن و مقاومت مناسب در برابر خوردگی، به‌طور گسترده‌ای در سازه‌های دریایی مورداستفاده قرار می‌گیرند. بااین‌حال، قرارگیری طولانی‌مدت در شرایط محیطی رطوبتی گرمایی می‌تواند منجر به کاهش خواص مکانیکی این مواد شود. مدل‌های سنتی پیش‌بینی دوام نظیر مدل‌های آرنیوس و فیک، باوجود کاربرد گسترده، به دلیل مفروضات ساده‌سازی‌شده قادر به درک پیچیدگی اثرات هم‌افزایی شرایط محیطی نیستند. در این راستا، استفاده از مدل‌های هوش مصنوعی به‌ویژه یادگیری ماشین (ML) در سال‌های اخیر موردتوجه قرارگرفته است. این مقاله به بررسی کاربرد الگوریتم‌های مختلف یادگیری ماشین در پیش‌بینی عمر کامپوزیت‌های پلیمری در شرایط رطوبتی گرمایی می‌پردازد. مطالعات مختلف نشان می‌دهند که الگوریتم‌های مختلف هوش مصنوعی توانسته‌اند پیش‌بینی‌های دقیقی از کاهش خواص مکانیکی کامپوزیت تحت شرایط مختلف محیطی ارائه دهند. همچنین تحلیل حساسیت ورودی‌ها در مدل‌های مختلف، اهمیت بیشتر عواملی مانند زمان قرارگیری، دما، مقدارPH  و حجم الیاف را در کاهش خواص مکانیکی نشان داده است. باوجود پیشرفت‌های صورت‌گرفته، محدودیت‌هایی چون کمبود داده‌های میدانی و تفاوت عملکرد مدل‌ها به‌عنوان چالش‌هایی جدی در مسیر پیش‌بینی دقیق عمر مفید کامپوزیت‌ها محسوب می‌شوند.
واژه‌های کلیدی: کامپوزیت، جذب رطوبت، هوش مصنوعی، پیرشدگی رطوبتی گرمایی

روش نوآورانه تیم تحقیقاتی دانشگاه امام حسین (ع) در ارزیابی عمر مفید کامپوزیت‌های FRP 
خلاصه گرافیکی مقاله «کاربرد یادگیری ماشین در پیش بینی طول عمر کامپوزیت های دریایی»

جهت دسترسی به مقاله، روی این لینک کلیک نمایید.

درباره نشریه Journal of Marine Engineering
نشریه علمی - پژوهشی مهندسی دریا از سال ۱۳۸۲ به دو زبان فارسی و انگلیسی و با اعتبار رسمی پژوهشی از کمیسیون نشریات علمی کشور توسط انجمن مهندسی دریایی ایران منتشر می‌شود.
این نشریه دارای شماره استاندارد بین‌المللی (ISSN و eISSN) بوده و در پایگاه‌های معتبر علمی از جمله ISC نمایه شده است. نشریه مهندسی دریا به‌صورت فصلنامه یا دوفصلنامه منتشر می‌شود و بستری تخصصی برای تبادل یافته‌های علمی میان دانشگاه‌ها، محققان، انجمن‌های تخصصی و صنایع فعال در حوزه مهندسی دریا در سطح ملی و بین‌المللی فراهم می‌کند.
محورهای اصلی مقالات این نشریه عبارت‌اند از:
• هیدرودینامیک و طراحی شناورها
• سازه‌های ساحلی و فراساحلی
• سامانه‌های زیرسطحی و رباتیک دریایی
• انرژی‌های تجدیدپذیر دریایی و محیط‌زیست دریا
• تحلیل‌های پیشرفته عملکرد سازه‌ها و سیستم‌های دریایی
برای مشاهده مقالات و ارسال مقاله جدید می‌توانید به www.marine-eng.ir مراجعه فرمایید./

روش نوآورانه تیم تحقیقاتی دانشگاه امام حسین (ع) در ارزیابی عمر مفید کامپوزیت‌های FRP 

برچسب ها: نشریه علمی-پژوهشی مهندسی دریا ، مهندسی دریا ، مهندسی دریایی ، انجمن مهندسی دریایی ایران ، وزارت علوم، تحقیقات و فناوری ، کمیسیون انجمن های علمی ، کمیسیون نشریات علمی کشور ، نشریه‌های علمی پژوهشی ایران ، نشریه علمی - پژوهشی International Journal of Maritime Technology (IJMT) ، پایگاه استنادی علوم جهان اسلام (ISC) ، دریا ، دریایی ، توسعه دریامحور ، هوشمندسازی ، هوش مصنوعی ، هوش مصنوعی در صنایع دریایی ، دانشگاه صنعت نفت ، دانشگاه صنعتی قم ، دانشگاه صنعتی شریف ، دانشگاه صنعتی اصفهان ، دانشگاه صنعتی شاهرود ، دانشگاه امیرکبیر ، دانشگاه خلیج فارس ، دانشگاه صنعتی امیرکبیر ، دانشگاه صنعتی مالک اشتر ، دانشگاه صنعتی نوشیروانی بابل ، دانشگاه صنعتی خواجه نصیرالدین طوسی ، دانشگاه جامع امام حسین (ع) ، یادگیری ماشین ، پیش‌بینی طول عمر سازه‌ها ، کامپوزیت های پلیمری ، پیرشدگی محیطی ، سازه‌های دریایی ، نهمین همایش بین‌المللی صنایع فراساحل ، هوش مصنوعی در فراساحل ، هوش مصنوعی در مهندسی ، هوش مصنوعی در مهندسی دریا ، مهندسی مکانیک دریایی ، دانشکده مکانیک ، الیاف FRP ، کامپوزیت های دریایی ، کامپوزیت دریایی FRP ، Machine Learning for FRP Aging ، AI-based Durability Prediction for Marine Composites ، Intelligent Modeling of Environmental Degradation ، Abo Akademi University ، World Maritime Universities ، Global Maritime Universities ، Leading Maritime Universities ، Top Maritime Universities Worldwide ، International Maritime Universities ، University of Tokyo - Nonlinear Vessel Dynamics ، Norwegian University of Science and Technology (NTNU) - Autonomous Vessels Ocean Technology ، Delft University of Technology - Ship Design Simulation ، National Technical University of Athens - Offshore Structures Vessel Control ، Technical University of Denmark - Marine Renewable Energy ، University of Southampton - Maritime Safety Engineering ، University of Cambridge - Naval Architecture Research ، University of Michigan - Naval Architecture Marine Engineering ، Shanghai Jiao Tong University - Naval Architecture Deep Learning ، Marine Engineering ، Marine Research ، Marine Technology ، Journal of Marine Engineering ، Maritime Engineering ، Maritime Technology ، Maritime Science ، Stanford - Sustainable Maritime Technologies ، مرکز تحقیقات استراتژیک ، مرکز مطالعات راهبردی نیروی دریایی ارتش ، مرکز همکاری‌های تحول و پیشرفت ریاست جمهوری ، پژوهش دریایی ، دکتر محمد لطیفی ، سیدامیر ابوالقاسم‌حسینی ، دریامحور
ارسال نظر