polito.it
Politecnico di Torino (logo)

Scelta di modelli strutturali con tecniche "Machine Learning" = Choice of structural models through “Machine Learning” technologies

Ilario Cavallera

Scelta di modelli strutturali con tecniche "Machine Learning" = Choice of structural models through “Machine Learning” technologies.

Rel. Erasmo Carrera, Marco Petrolo. Politecnico di Torino, Corso di laurea magistrale in Ingegneria Aerospaziale, 2019

[img]
Preview
PDF (Tesi_di_laurea) - Tesi
Licenza: Creative Commons Attribution Non-commercial No Derivatives.

Download (9MB) | Preview
Abstract:

L’obiettivo della tesi è quello di andare a ricercare un metodo per scegliere, tra i molti modelli strutturali presenti ad oggi, quello che soddisfa maggiormente le esigenze di un dato problema. Per riuscire ad ottenere questo tipo di obiettivo si va a sfruttare un’estensione della Carrera Unified Formulation (CUF) ovvero la Best Theory Diagram, (BTD). Quest’ultima teoria viene combinata con la tecnologia del Machine Learning e delle reti neurali per poter dare vita ad un sistema automatico di scelta di modelli strutturali. La prima fase verterà sulla capacità della rete di prevedere un errore dato un modello strutturale in input. Nello specifico, la tesi, è suddivisa in vari capitoli in cui a poco a poco si vanno ad inserire parametri nuovi che rendano la rete neurale sempre più versatile. In particolare vi è una prima analisi della rete neurale in cui si va a testare come i modelli strutturali di riferimento e le singole frequenze influenzino i risultati. In seguito si vanno ad aumentare le informazioni che è possibile inserire in input e, quindi, si va ad allargare il campo di applicazione della rete neurale. Proseguendo con gli sviluppi si va a formulare un codice che sia in grado, con una singola analisi, di fornire più risultati contemporaneamente andando così ad abbattere i costi computazionali dovuti alla moltitudine di iterazioni che tali risultati impongono nelle analisi tradizionali. L’ultimo problema che si affronta è quello "inverso" a quello analizzato sino a questo punto. Infatti, ciò che ci si pone come obiettivo finale è di andare a richiedere un modello strutturale a partire da un errore arbitrario scelto dall’utente. Questo tipo di applicazione è molto interessante in quanto, nella pratica, non tutti i problemi (sia strutturali che non) richiedono lo stesso livello di precisione di analisi. Attraverso questa rete neurale è possibile, in prima approssimazione, capire quali sono i termini che è possibile scartare per avere il livello di precisione richiesto.

Relatori: Erasmo Carrera, Marco Petrolo
Anno accademico: 2019/20
Tipo di pubblicazione: Elettronica
Numero di pagine: 134
Soggetti:
Corso di laurea: Corso di laurea magistrale in Ingegneria Aerospaziale
Classe di laurea: Nuovo ordinamento > Laurea magistrale > LM-20 - INGEGNERIA AEROSPAZIALE E ASTRONAUTICA
Aziende collaboratrici: NON SPECIFICATO
URI: http://webthesis.biblio.polito.it/id/eprint/12071
Modifica (riservato agli operatori) Modifica (riservato agli operatori)