Phương án nào có hệ số sử dụng cao hơn?
Sử dụng hai hàng bu lông M12 hay một hàng bu lông M16 thì hiệu quả hơn?
Để trả lời câu hỏi này theo quy trình thông thường, chúng ta sẽ mô hình hóa một phương án, chạy phân tích, sau đó chỉnh sửa thiết kế và chạy tính toán khác. Mỗi lần chỉnh sửa là thêm một lần lặp, nhưng thực tế là hầu như không có kỹ sư nào có thời gian để dành hàng giờ lặp đi lặp lại để tìm ra phương án tốt nhất.
Nhưng nếu có một cách khác thì sao?
Bạn có thể sử dụng mẫu học máy của IDEA StatiCa và xem ngay hệ số sử dụng dự đoán của thiết kế, rồi chỉ chạy phân tích khi bạn tìm được phương án phù hợp nhất.
Điều này trông như thế nào trong thực tế?
Trong thực tế, cách tiếp cận này không hoàn toàn mới. Nó gần hơn với cách các kỹ sư có kinh nghiệm đã suy nghĩ.
Một kỹ sư kết cấu có kinh nghiệm có thể nhìn vào một liên kết thép và ngay lập tức cảm nhận được liệu nó có hợp lý hay có vấn đề tiềm ẩn. Không phải vì ông ấy chạy qua tất cả các kiểm tra cấu kiện trong đầu chỉ trong vài giây, mà vì ông ấy đã thấy hàng trăm hoặc hàng nghìn chi tiết tương tự trước đây.
Học máy hoạt động theo cách tương tự.
Nó so sánh cấu hình hiện tại với một tập dữ liệu lớn gồm các thiết kế đã được phân tích trước đó và ước tính hệ số sử dụng của nó dựa trên những gì nó đã học được từ các tình huống tương tự.
Điều này cho phép kỹ sư nhanh chóng trả lời câu hỏi đặt ra ở trên. Chỉ với vài cú nhấp chuột, tôi có thể thấy rằng, nếu mục tiêu là hệ số sử dụng tối đa, hai hàng bu lông M12 hiệu quả hơn một hàng bu lông M16 trước khi tôi thậm chí chạy phân tích.
Kết hợp với thiết kế tham số, quá trình thiết kế trở nên dễ dàng như khi làm việc trong Excel.
Học máy được sử dụng trong IDEA StatiCa như thế nào
Học máy không được dùng để thay thế phân tích kết cấu, mà là để xây dựng thêm trên nền tảng đó.
Việc giới thiệu phương pháp CBFEM là một bước tiến lớn. Nó cho phép kỹ sư phân tích bất kỳ liên kết thép nào bất kể độ phức tạp. Thay vì dựa vào các giả định đơn giản hóa, kỹ sư hiện có thể làm việc với một cách tiếp cận nhất quán tổng quát.
Tuy nhiên, tính tổng quát này đi kèm với một chi phí. So với các phương pháp giải tích, phân tích dựa trên phương pháp phần tử hữu hạn đòi hỏi nhiều tài nguyên tính toán hơn. Do đó, việc khám phá các biến thể thiết kế trở nên tốn thời gian hơn. Đây là lúc mẫu học máy phát huy tác dụng. Các mẫu học máy được xây dựng trực tiếp trên nền tảng CBFEM (phương pháp phần tử hữu hạn dựa trên cấu kiện). Thay vì đơn giản hóa vật lý, chúng học từ nó.
Một số lượng lớn các cấu hình liên kết được tạo ra và đánh giá bằng CBFEM (phương pháp phần tử hữu hạn dựa trên cấu kiện). Mỗi trường hợp này, được xác định bởi hình học, tải trọng, bản thép, mối hàn và bu lông, cho ra kết quả chính xác về hệ số sử dụng. Tập dữ liệu này sau đó được dùng để huấn luyện một mô hình học máy nắm bắt mối quan hệ giữa các tham số đầu vào và phản ứng kết cấu. Kết quả là một mô hình dự đoán có thể ước tính hệ số sử dụng của một liên kết, tương tự như một bảng tính Excel được chuẩn bị kỹ lưỡng.
Khi người dùng hài lòng với hệ số sử dụng dự đoán, việc kiểm tra cuối cùng phải được thực hiện bằng cách chạy tính toán ứng suất/biến dạng tiêu chuẩn. Chỉ kết quả tính toán mới đại diện cho kiểm tra thiết kế thực tế theo tiêu chuẩn đã chọn.
Hãy tự mình thử và xem bạn có thể đánh giá nhiều phương án thiết kế và so sánh chúng nhanh như thế nào trước khi chạy một phép tính duy nhất.