پیشبینی یک عدد ( تنش پسماند) از یک داده ی time series. هوش مصنوعی ANN یا LSTM

ارسال پیشنهاد

گزارش مالی

پیشبینی یک عدد ( تنش پسماند) از یک داده ی time series. هوش مصنوعی ANN یا LSTM

توضیحات آشنایی با موضوع پروژه: فلزات وقتی گرم میشن و سریع سرد میشن، داخلشون تنش پسماند (residual stress) باقی میمونه. در پرینتر های 3 بعدی. (قطعه از هیچی با اضافه شدن فلز قطره قطره ساخته میشه) که باعث میشه یه نقطه از شکل بار ها و بار ها دماش تغییر کنه. این داده ی temperature/Time یه داده ی time series میشه که باهاش استرس نهایی رو میخوایم پیشبینی کنیم . نکته منفی اینه که در تلاشیم از long short term memory (feed forward backpropagation) استفاده نکنیم. و فقط دیتا هایی رو از این سری داده استخراج کنیم که استرس نهایی بهش وابسته هست. در این بین باید عواملی از سری داده استخراج و انتخاب بشه و بررسی بشه. اونایی که واقعا تاثیر میزارن بر روی استرس (میشه باهاشون استرس رو پیشبینی کرد ) به عنوان ورودی machine learning انتخاب بشن. مواردی که تا الان به عنوان مورد potential انتخاب شده: 1- بالا ترین دمایی که فلز در اون نقطه تجربه میکنه. 2- چند بار فلز از یه دمایی بالا تر میره ( که خب یه دمایی رو انتخاب میکنم اعلام میکنم بر اساس تعداد peak ها میشه حساب کرد چند بار. 3- بیشترین و کم ترین فرکانس داده: وقتی دما میره بالا و میاد پایین. میشه گفت یه سیکل رو میگذرونه و میشه نسبتا ساده براش فرکانس تایین کرد. 4- یه قسمتی از داده انتخاب میشه. و یک معادله انتخاب میشه که بر روی اون صدق کنه. یک معادله exponential decay هست. چیز سختی نیست. فرم معادله رو دارم. و شکل اش ام شبیه یه سرسره هست. از این معادله پارامتر های نهایی انتخاب میشن که بیشترین تشابه به دیتا رو دارن و به عنوان ورودی انتخاب میشن. برای همه این ایده ها و مولفه های coefficient یا همون همبستگی یا رابطشون با استرس بررسی میشه و موارد مناسب همونطور که گفتم انتخاب میشن. برای قیمت پروژه صحبت میکنیم. ممنون از وقتتون عکس یکی از نقطه هارو که در لایه دوم هست رو میفرستم. با و بدون استرس. این پروژه قسمتی از پروژه نهایی منه. که دیگه به علت ناتوانی و کمبود وقت جویای کمک شما شدم. لطفا درصورتی که وقت دارین که با سرعت مناسبی کار رو جلو ببریم به من پیام بدهید. فایل دیتا رو بعدا از تایید پروژه فرستاده میشه ولی ستون های دیتا: LoadStep Time(s) Node_ID X(mm) Y(mm) Z(mm) SXX(MPa) SYY(MPa) PS1(MPa) PS3(MPa) ETOX ETOY EPX EPY Temp(C) node Id شماره هی نقطه هست که موقعیت مخصوص خودشو داره برای این قسمتی که من مطرح کردم دراین پروژه . فقط از loadstep اخر هر نقطه استرس PS1 استخراج میشه و از time و temp ام نمودار time series ای که توضیح دادم قبلا. کلیت کار اینه که خصوصیاتی از این نمودار استخراج بشه و که بتونه به پیشبینی PS1 لحظه اخر کمک کنه. این ۲ تا شکل نمودار دما /زمان به تنهایی و دیگری دما و استرس/زمان هست یکی از نقطه ها در لایه ۳ از ۵ لایه هست. که نشون میده به جز لایه ای که نقطه داخل هست. ۲ لایه دیگه ام پرینت شده. شکل اخر از کدی اومده که مشخص کنه نقطه کجاست و استرس اخرش چنده ام یه همچین کدی دارم. که برای هر 5 تا لایه همچین شکلیو میده.

Hooman SD

امتیاز : 0/5

Python

Database Programming

یادگیری ماشین (Machin Learning)