Využití umělé inteligence v diagnostice kompozitních materiálů

Abstract

Disertační práce navrhuje možnosti využití prvků umělé inteligence pro prognózu vlastních frekvencí laminátových desek. Experimentální data byla získána z měřením rozměru desek a frekvencí pomocí metody ESPI. Navržená metoda umožňuje prognózu dat bez zdlouhavého měření. Dále se práce zabývá tvorbou modelu za pomocí neuronové sítě, který popisuje vlastní kmity pneumatik na základě údajů získaných z označení pneumatik a dalších měřených hodnot. Dílčí část práce se věnuje metodě syntézy neuronové sítě za pomocí genetických algoritmů, především z pohledu urychlení a zkvalitnění iteračního procesu za pomocí masivní paralelizace na GPU.

The thesis proposes the possibility of using elements of artificial intelligence to the prognosis of natural frequencies of laminated plates. Experimental data were obtained from measurements of frequency and size of plates using ESPI method. The proposed method allows the prognosis data without time-consuming measurements. The thesis further deals with the model using neural networks, which describes the oscillations of the tires on the basis of data obtained from the labeling of tires and other metrics. Part of the thesis deals with the synthesis method of neural networks using genetic algorithms, especially from the point of view of speeding up and improving the process of iteration using massive parallelization on GPU.