Lorenzo Amicuzi
Sviluppo di modelli surrogati per analisi FEM mediante reti neurali = Development of surrogate models for FEM analysis using neural networks.
Rel. Marco Petrolo, Alfonso Pagani. Politecnico di Torino, Master of science program in Aerospace Engineering, 2024
|
Preview |
PDF (Tesi_di_laurea)
- Thesis
Licence: Creative Commons Attribution Non-commercial No Derivatives. Download (7MB) | Preview |
Abstract
Il presente lavoro propone un approccio avanzato nell’analisi strutturale, combinando i vantaggi dell’approccio assiomatico e asintotico per formulare modelli precisi del comportamento meccanico delle strutture. Affrontando le limitazioni degli approcci tradizionali, si introduce un metodo misto, noto come assiomatico/asintotico, che bilancia precisione e costo computazionale. La tesi si concentra sulla necessità di evitare un numero eccessivo di analisi, proponendo un approccio che ottimizza il processo decisionale e riduce il carico computazionale attraverso l’utilizzo delle reti neurali. L’obiettivo finale è fornire risultati accurati senza ricorrere a migliaia di simulazioni, rendendo il metodo più pratico ed efficiente per le applicazioni reali di progettazione strutturale.
Inoltre, si sottolinea che la selezione del modello appropriato è cruciale e non può basarsi solo sull’aumento arbitrario dei gradi di libertà
Publication type
URI
![]() |
Modify record (reserved for operators) |
