دانلود کتاب تکنیک های معکوس محاسباتی در ارزیابی غیر مخرب

فهرست مطالب

فصل اول    
مسائل مستقیم و معکوس مواجهه شده    
در سیستمهای سازهای    
 مسئله ی مقدار ثابت در سیستمهای سازه ای    
 روش های کلی حل مسائل معکوس    
 نمای کلی کتاب    
فصل دوم    
اصول و مبانی مسائل معکوس    
 یک نمونه ساده: یک میلگرد منفرد    
 مسائل مستقیم    
 مسئله معکوس    
 یک مسئله کمی پیچیده: یک میلگرد کامپوزیت    
 مسئله مستقیم    
 مسئله معکوس مورد I: شناسایی نیرو/ بار بدون راه حل منحصر بفرد (سیستم کمتر مطرح شده)     
 مسئله معکوس مورد II: تعیین خصوصیات مواد با راه حل منحصر به فرد (سیستم به خوبی مطرح شده)    
 مسئله معکوس مورد II: تعیین خصوصیات مواد بدون هیچ راه حل منحصر بفردی (سیستم بیش از حد مطرح شده)    
 مسئله معکوس مورد III: تعیین هندسی با راه حل منحصر بفرد    
 مسئله معکوس مورد IV، تعیین شرایط مرزی    
 نکات قابل توجه    
 ناقص مطرح شدن نوع III    
 مسئله مستقیم    
 عملیات دیفرانسیل: بزرگنمایی خطا    
 تعریف ناقص مطرح شدن (ناقص مطرح شدن) نوع III    
 یک راه حل ساده برای مسئله معکوس ناقص مطرح شده نوع III    
 خصوصیات ناقص مطرح شدن    
 مسئله معکوس ناقص مطرح شده نوع III    
 سیستم های ماتریس صریح    
 راه حل معکوس برای سیستمهایی به شکل ماتریس    
 معکوس سازی کلی ماتریس سیستم    
 مسئله کمتر مطرح شده: راه حل با حداقل طول    
 مسئله به طور متعادل مطرح شده: معکوس سازی استاندارد ماتریس    
 مسئله بیش از حدمطرح شده: راه حل حداقل مربعات    
 معکوس سازی کلی توسط تجزیه مقدار تکین (SVD)    
 خصوصیت تبدیل و ناقص مطرح شدن نوع II    
 راه کار تجزیه مقدار تکین    
 موقعیت سازی III    
 راه حل معکوس SVD    
 سیستم ها در شکل های کاربردی: راه حل از طریق بهینه سازی    
 انتخاب خروجی ها یا اثرات    
 اندازه گیری شبیه سازی شده    
 بررسی ناقص مطرح شدن    
 ملاحظات    
فصل سوم    
منظم سازی برای مسائل ناقص مطرح شده    
 منظم سازی تیخونف    
 منظم نمودن معیار حل    
 منظم سازی با استفاده از ماتریس منظم سازی    
 تعیین ماتریس منظم سازی    
 منظم سازی تیخونف برای سیستم های پیچیده    
 منظم سازی به وسیله تجزیه مقدار تکین    
 روش منظم سازی تکرارشونده    
 منظم سازی با گسسته سازی(تصویرسازی)    
 حل دقیق مسئله    
 آشکار نمودن ناقص مطرح شدن    
 روش عددی گسسته سازی برای مسئله معکوس    
 تعریف خطاها    
 مشخصه منظم سازی تصویرسازی    
 انتخاب بهترین تراکم مش    
 منظم سازی به وسیله فیلترینگ    
 مثال : نویز سینوسی فرکانس بالا    
 مثال : نویز گوسی    
 ملاحظات    
فصل چهارم    
تکنیک های بهینه سازی رایج    
 نقش بهینه سازی در مسئله معکوس    
 فرمول بندیهای بهینه سازی    
 روش های جستجوی مستقیم    
 روش جستجوی بخش طلائی    
 روش هوک و جیوز    
 روش امتداد مزدوج پاول    
 روش های مبتنی بر گرادیان    
 روش کاوچی (تندترین کاهش)    
 روش نیوتن    
 روش گرادیان مزدوج    
 روش حداقل مربعات غیر خطی    
 مشتق های توابع هدف    
 روش نیوتن    
 روش گاوسنیوتن    
 روش لونبرگمارکوارد    
 بسته های نرم افزاری    
 روش های ریشه یابی    
 روش ریشه یابی نیوتن    
 روش لونبرگمارکوارد    
 نکات    
 برخی از مراجع جهت بهینه سازی    
فصل پنجم    
الگوریتم های ژنتیک    
 مقدمه    
 مباحث بنیادی الگوریتم های ژنتیک    
 کد گذاری    
 عملگرهای ژنتیک    
 یک مثال ساده    
 خصوصیات الگوریتم های ژنتیک    
 مرورهای مختصری بر پیشرفتهای الگوریتم های ژنتیک    
 میکرو الگوریتم های ژنتیک    
 میکرو الگوریتم ژنتیک یکنواخت    
 الگوریتم ژنتیک تصویرسازی بین نسلی (IPGA)    
 میکرو الگوریتم ژنتیک اصلاح شده    
 عملگر تصویرسازی بین نسلی(IP)    
 ترکیبی کردن میکرو الگوریتم ژنتیک اصلاح شده با عملگر تصویرسازی بین نسلی    
 آزمون های عملکرد و توضیحات    
 الگوریتم ژنتیک تصویرسازی بین نسلی بهبودیافته    
 عملگر تصویرسازی بین نسلی بهبودیافته    
 به کارگیری عملگر تصویرسازی بین نسلی بهبودیافته    
 تست عملکرد    
 تأثیر عملکرد جهش    
 الگوریتم ژنتیک تصویرسازی بین نسلیبا سه پارامتر (IPGA)    
 عملگر تصویرسازی بین نسلی سه پارامتری    
 مقایسه عملکرد    
 الگوریتم های ژنتیک با کاهش فضای جستجو (SRGA)    
 الگوریتم ژنتیک ترکیب شده با روش مبتنی بر گرادیان    
 الگوریتم مرکب    
 مثال عددی    
 ترفندهای کوچک تر دیگر در پیاده سازی الگوریتم های ژنتیک    
 نکات    
فصل ششم    
شبکه های عصبی    
 مفاهیم کلی شبکههای عصبی    
 نقش شبکه های عصبی در حل مسائل معکوس    
 توپولوژی    
 الگوریتم آموزش پس انتشار    
 الگوریتم آموزش پس انتشار اصلاح شده    
 عملکرد پرسپترونهای چند لایه    
 تعداد نورون ها در لایه های مخفی    
 نمونه های آموزشی    
 هنجارسازی مجموعه داده های آموزشی    
 منظم سازی    
 یک شبکه عصبی یادگیری پیش رونده    
 یک کاربرد ساده از شبکه عصبی    
 ورودی ها و خروجی های مدل شبکه عصبی    
 معماری مدل شبکه عصبی    
 آموزش و عملکرد مدل شبکه عصبی    
 نکات    
 مراجعی در مورد شبکههای عصبی    
فصل هفتم    
شناسایی معکوس بارهای ضربهای    
 مقدمه    
 جابجایی به عنوان اثرات سیستم    
 شناسایی بارهای ضربهای در سطح تیرها    
 مدل المان محدود    
 تأیید مدل روش المان محدود با امتحان و آزمایش    
 تخمین تاریخچه زمانی بارگذاری    
 اثرات مرزی    
 بارهای خطی در سطح لایه های کامپوزیت    
 روش عددی ترکیبی    
 چرا روش عدد ترکیبی؟    
 ترانس ویو    
 مقایسه بین روش عدد ترکیبی و روش المان محدود    
 توابع کرنل    
 تعیین تاریخچه زمانی بار با استفاده از توابع گرین    
 تعیین بارهای خطی    
 صحت سنجی عددی    
 بارهای نقطهای روی سطحی لایه های کامپوزیت    
 عملیات معکوس    
 آنالیز ناقص مطرح شدن    
 نکات    
فصل هشتم    
شناسایی معکوس ضرایب ثابت مواد در کامپوزیتها    
 مقدمه    
 صورت مسئله    
 استفاده از GA منسجم    
 استراتژی حل    
 کد گذاری پارامتر    
 تنظیمات پارامتر در GA    
 مثال I: ثابت های الاستیک مهندسی در ورقه ها    
 مثال II: جهتیابی فیبر در ورقه ها    
 مثال III: ثابت های مهندسی پوشش های استوانه ای ورقه ای    
 استفاده از GA واقعی    
 استفاده از روش بهینه سازی ترکیبی    
 استفاده از شبکه عصبی پیشرونده برای تعیین ثابت های الاستیک    
 استراتژی حل و صورت مسئله    
 ورودی های مدل شبکه عصبی    
 نمونه های آموزشی    
 نتایج و بحث و بررسی    
 مطالعه موردی بسیار پیچیده تر    
 ملاحظات    
فصل نهم    
شناسایی معکوس خصوصیت ماده مواد هدفمند تابعی    
 مقدمه    
 صورت مسئله    
 قاعده مخلوط    
 کاربرد روش های بهینه سازی مبتنی بر گرادیان    
 مثال : صفحه مواد هدفمند تابعی همگرای تلفیق    
 مثال : صفحه مواد هدفمند تابعی SiCC    
 کاربرد میکرو الگوریتم ژنتیک جامع    
 تعیین مشخصات ماده صفحه مواد هدفمند تابعی    
 نعیین مشخصات ماده سیلندرهای مواد هدفمند تابعی    
 استفاده از روش بهینه سازی ترکیبی    
 کاربرد مدل شبکه عصبی پیشرونده    
 تعیین مشخصات ماده صفحه SiCC مواد هدفمند تابعی    
 تعیین ماده از سیلندرهای SSSN مواد هدفمند تابعی    
 نکته ها    
فصل دهم    
شناسایی معکوس ترک ها در تیرها با استفاده از امواج مارپیچ    
 مقدمه    
 تیرهایی با لایه لایه شدگی افقی    
 روش المان نواری    
 چرا روش المان نواری ؟    
 مختصری بر فرمول بندی روش المان نواری    
 مطالعه تجربی    
 مطالعه حساسیت و برآورد تقریبی ترک در تیرهای همسانگرد    
 مدل تیر موج مارپیچ    
 مفروضات اصلی    
 راه حل همگن    
 راه حل خاص    
 شرایط تداوم    
 مقایسه بین روش المان نواری و مدل تیر    
 بررسی های تجربی    
 مدل تیر برای پاسخ گذرا به یک بار ضربه ای    
 راه حل مدل تیر    
 مطالعه تجربی بر روی پاسخ ضربهای    
 مطالعه مقایسه ای    
 مطالعه تجربی گسترده    
 نمونه های آزمون    
 تنظیمات آزمون    
 اثر عمق ترک    
 اثر طول ترک    
 اثر فرکانس برانگیختگی    
 اثر موقعیت نقطه برانگیختگی    
 مطالعه روی تیرهای مواد ناهمسانگرد    
 شناسایی معکوس ترک با استفاده از میکرو الگوریتم ژنتیک جامع    
 استفاده از شبیه سازی داده ها از روش المان نواری    
 استفاده از داده های تجربی    
 شناسایی معکوس ترک با استفاده از شبکه عصبی پیشرونده    
 نمای کلی روش    
 نمونه کامپوزیت    
 تشخیص لایه لایه شدگی    
 اثر داده های آموزشی مختلف    
 استفاده از مدل تیر و برانگیختگی هارمونیک    
 توضیح در مورد ناقص مطرح شدن    
 نکات    
فصل یازدهم    
تشخیص معکوس لایه لایه شدگی ها در ورقههای کامپوزیت    
 مقدمه    
 شرح مسئله    
 تشخیص لایه لایه شدگی با استفاده از µGA یکنواخت    
 لایه لایه شدگی افقی    
 ترک عمودی    
 تشخیص لایه لایه شدگی با استفاده از الگوریتم ژنتیک تصویرسازی بین نسلی    
 تشخیص لایه لایه شدگی با استفاده از الگوریتم ژنتیک تصویرسازی بین نسلیبهبود یافته    
 تشخیص لایه لایه شدگی با استفاده از روش بهینه سازی ترکیبی    
 پیاده سازی تکنیک های ترکیبی    
 لایه لایه شدگی افقی در ورقه CGGs    
 تشخیص لایه لایه شدگی با استفاده از شبکه عصبی پیشرونده    
 پیاده سازی    
 نمونه بدون نویز    
 نمونه آلوده به نویز    
 شرح    
فصل دوازدهم    
شناسایی معکوس ترک ها در سازهها    
 مقدمه    
 فرمول بندی شناسایی معکوس    
 شناسایی المان آسیب دیده    
 شناسایی ضریب سختی    
 استفاده از µGA یکنواخت    
 مثال I: تیر ساندویچی    
 مثال II: ورقه ساندویچی    
 استفاده از روش ریشهیابی نیوتن    
 محاسبه ماتریس ژاکوبین    
 فرایند تکرار    
 مثال I: پایه تیر    
 مثال II: صفحه    
 استفاده از روش لونبرگمارکوارد    
 تذکرات    
فصل سیزدهم    
کاربردهای دیگر    
 شناسایی ضریب برای سیستم های خنک کننده الکترونیک    
 استفاده از روش جستجوی بخش طلایی    
 استفاده از الگوریتم ژنتیک    
 استفاده از شبکه های عصبی    
 شناسایی پارامترهای ماده یک تخته مدار چاپ شده    
 مقدمه    
 تعریف مسئله    
 توابع هدف    
 بازنمود المان محدود    
 نتایج عددی و بحث    
 خلاصه    
 شناسایی ویژگی مواد فیلم های نازک    
 موارد بدون نویز    
 موارد نویزی    
 بحث    
 تشخیص ترک با استفاده از کرنش انتگرال اندازه گیری شده توسط فیبرهای نوری    
 مقدمه    
 محاسبه عددی کرنش انتگرال    
 روش معکوس    
 نتایج عددی    
 خلاصه    
 تشخیص ترک در سازه خرپا    
 پیش بینی ساختار پروتئین    
 پیش بینی سازه پروتئین    
 پارامترهای سازههای پروتئین    
 انرژی تأیید    
 مدل شبکه    
 نتایج و بررسی ها    
 خلاصه    
 برازش پتانسیل بین اتمی    
 مقدمه    
 مدل برازش    
 نتایج عددی    
 خلاصه    
 شناسایی پارامتر در میکروپمپ های بدون سوپاپ و دریچه    
 مقدمه    
 میکروپمپ های بدون سوپاپ    
 شناسایی ضریب جریان فشار    
 مثال های عددی    
 خلاصه    
 ملاحظات    
فصل چهاردهم    
راه حل کلی برای سیستم های مهندسی    
 مقدمه    
 رسیدن به یک راه حل کلی    
 فرایندی برای یک راه حل کلی    
 حل کننده روبه جلو    
 پارامترهای سیستم    
 بازنمایی ریاضیاتی    
 الگوریتم های معکوس    
 روش مبتنی بر ماتریس حساسیت (SMM)    
 شبکه عصبی    
 مثال های عددی    
 آنالیز ارتعاشات صفحه مدور    
 شناسایی خصوصیات ماده یک تیر    
 نکات    
مراجع