Wydział Mechaniczny / Faculty of Mechanical Engineering / W1
Stały URI zbioruhttp://hdl.handle.net/11652/1
Przeglądaj
3 wyniki
Wyniki wyszukiwania
Pozycja Wyboczenie cienkościennych konstrukcji kompozytowych z żebrami pośrednimi(Katedra Wytrzymałości Materiałów i Konstrukcji, Politechnika Łódzka, 2003) Teter, A.; Kołakowski, Z.; Kubiak, T.W pracy rozpatrzono interakcyjne wyboczenie pryzmatycznych, cienkościennych, kompozytowych słupów o przekrojach otwartych wzmocnionych żebrami pośrednimi i wzmocnieniami brzegowymi. Przyjęto, że słupy są swobodnie podparte. Nieliniowe zagadnienie rozwiązano asymptotyczną teorią Koitera w ramach pierwszego rzędu przybliżenia Asymptotyczna teoria pierwszego nieliniowego przybliżenia pozwala ocenić jednocześnie wpływ niedokładności i interakcji różnych postaci wyboczenia na zachowanie się konstrukcji cienkościennych. Ocena ta może stanowić jedynie dolne oszacowanie nośności. Szczegółowe obliczenia prowadzono dla kilku przypadków słupów.Pozycja Nośność cienkościennych konstrukcji kompozytowych(Katedra Wytrzymałości Materiałów i Konstrukcji, Politechnika Łódzka, 2003) Kubiak, T.; Kołakowski, Z.W pracy zaprezentowano podstawowe idee w podejściu do stateczności, stanów pokrytycznych i nośności cienkościennych belek - słupów z kompozytów warstwowych o przekrojach otwartych i zamkniętych. Przedstawiono oszacowanie nośności takich konstrukcji na podstawie liniowej modalnej analizy stanów krytycznych. Porównano ją z wynikami otrzymanymi przy wykorzystaniu profesjonalnego pakiet metody elementów skończonych ANSYS 5.7.Pozycja Hybrid, finite element-artificial neural network model for composite materials.(Polskie Towarzystwo Mechaniki Teoretycznej i Stosowanej, 2004) Lefik, MarekAn application of Artificial Neural Networks for a definition of the effective constitutive law for a composite is described in the paper. First, a classical homogenisation procedure is directly interpreted with a use of this numerical tool. Next, a self-learning Finite Element code (FE with ANN inside) is used in the case when the effective constitutive law is deduced from a numerical experiment (substituting here a purely phenomenological approach). The new contribution to the classical self-learning procedure consists of its adaptation to a case of a non-monotonic loading (non-to-one load-deformation curve). This new ability of the method is principally due to the incremental form of the constitutive equation and the respective scheme of the neural network structure. Also an organisation of a constitutive data-base containing learning patterns is suitably modified. It is shown by examples that the training process is very quick. The error of this method is smaller, comparing to other schemes of data acquisition.