Детальная информация

Название: Применение методов машинного обучения и анализа данных в одной задаче механики контактного взаимодействия: выпускная квалификационная работа магистра: направление 15.04.03 «Прикладная механика» ; образовательная программа 15.04.03_04 «Технологии виртуального инжиниринга»
Авторы: Аубекеров Каиржан
Научный руководитель: Орлов Степан Геннадьевич
Другие авторы: Елисеев Кирилл Валентинович
Организация: Санкт-Петербургский политехнический университет Петра Великого. Институт машиностроения, материалов и транспорта
Выходные сведения: Санкт-Петербург, 2021
Коллекция: Выпускные квалификационные работы; Общая коллекция
Тематика: Обучающие машины; Твердые тела — Механика; машинное обучение; xgboost; механика деформируемого твердого тела; ansys; контактная задача; ансамбль методов; градиентный бустинг
УДК: 531:004.383
Тип документа: Выпускная квалификационная работа магистра
Тип файла: PDF
Язык: Русский
Уровень высшего образования: Магистратура
Код специальности ФГОС: 15.04.03
Группа специальностей ФГОС: 150000 - Машиностроение
Ссылки: Отзыв руководителя; Рецензия; Отчет о проверке на объем и корректность внешних заимствований
DOI: 10.18720/SPBPU/3/2021/vr/vr21-4859
Права доступа: Доступ по паролю из сети Интернет (чтение, печать, копирование)
Ключ записи: ru\spstu\vkr\14291

Разрешенные действия:

Действие 'Прочитать' будет доступно, если вы выполните вход в систему или будете работать с сайтом на компьютере в другой сети Действие 'Загрузить' будет доступно, если вы выполните вход в систему или будете работать с сайтом на компьютере в другой сети

Группа: Анонимные пользователи

Сеть: Интернет

Аннотация

В данной работе представлен подход к решению задачи контактной механики на основе библиотеки машинного обучения XGBoost. Задача является примером задачи Герца о контакте двух упругих тел. Методика состоит из трех шагов. На первом шаге, численное решение задачи получается с помощью пакета конечно-элементного анализа ANSYS. В рамках данной работы учитываются такие результаты, как контактное давление и состояние контакта в зависимости от смещения одного тела относительно другого. На втором шаге собирается набор данных из выходных результатов ANSYS. Результаты состоят из координат узлов на поверхности тела и их статуса контакта. На третьем шаге обучается алгоритм машинного обучения XGBoost, основанный на вышеупомянутом наборе данных. Теоретическая часть работы включает в себя описание основных шагов по реализации алгоритма машинного обучения в рамках концепции обучения с учителем. Проведено обзорное исследование широко распространенных методов машинного обучения, приведены их основные преимущества и недостатки.

This dissertation work presents an ML-based approach to solution of contact mechanics problem. The problem itself is an example of Hertz’ contact problem of two elastic bodies. The methodology consists of three steps. First-up, a numerical solution of a problem is retrieved by using Ansys FEM-package. Within the framework of this work, such results as contact pressure and contact status, depending on a displacement of the pin relatively to sheave, are taken into concern. Secondly, a medium-sized dataset of Ansys output results is gathered. The results consist of nodal coordinates of pin face and their contact status. Finally, an XGBoost ML-algorithm based on the above-mentioned dataset is trained. The theoretical part of the work includes a description of the main steps for implementing a machine learning algorithm within the framework of the supervised learning concept. An overview study of the widespread methods of machine learning is carried out, their main advantages and disadvantages are given.

Права на использование объекта хранения

Место доступа Группа пользователей Действие
Локальная сеть ИБК СПбПУ Все Прочитать Печать Загрузить
Внешние организации №2 Все Прочитать
Внешние организации №1 Все
Интернет Авторизованные пользователи СПбПУ Прочитать Печать Загрузить
Интернет Авторизованные пользователи (не СПбПУ, №2) Прочитать
Интернет Авторизованные пользователи (не СПбПУ, №1)
-> Интернет Анонимные пользователи

Статистика использования

stat Количество обращений: 12
За последние 30 дней: 0
Подробная статистика