Identification of material compositions of functionally graded beams using a Levenberg-Marquardt backpropagation neural network

摘要

本文應用混合分層(Layerwise LW)高階剪切變形理論(Higher-order shear deformation theory HSDT)進行受軸向載重之?能性梯度簡支梁的振動頻率及臨界載重分析。文中假設 FG 梁的材料性質隨厚度座標變化，FG 梁之有效材料性質可用二相材料混合法則(The rule of mixtures)來進行計算。數值範例結果顯示與文獻中提供精確解相吻合。本文亦使用類神經網路進行受軸向載重 FG 簡支梁振動頻率之預測和材料性質之辨識。在訓練類神經網路的過程中，預先依混合分層高階剪切變形理論產生訓練組及測試組，前者用於訓練神經網路，後者用於測試類神經網路精確度。經過適當訓練後，類神經網路所預測之振動頻率有相當不錯的精確度，而運算時間相較混合分層高階剪切變形理論解法大幅節省，亦達成本理論解法無法實現之材料辨識。

獎項日期	2020
原文	English
監督員	Chih-Ping Wu (Supervisor)