Kan en dator lära sig hållfasthetslära?
Typ
Examensarbete på kandidatnivå
Program
Publicerad
2020
Författare
Bohlin, Jonas
Gabrielii, Tobias
Lundgren, Jens
Oliv, Adam
Svensson, Joakim
Vinnerholt, Benjamin
Modellbyggare
Tidskriftstitel
ISSN
Volymtitel
Utgivare
Sammanfattning
Denna rapport redogör för ett kandidatarbete vid institutionen för mekanik och maritima
vetenskaper vid Chalmers tekniska högskola som utfördes våren 2020.
När studenter stöter på hållfasthetsproblem för första gången är det inte ovanligt att intuitionen
sviker. Därför skulle det vara till stor hjälp om det fanns verktyg som enkelt
kunde visualisera vad som sker till exempel inuti en balk när den utsätts för olika yttre
belastningar. Ett sådant verktyg skulle inte enbart vara till hjälp för inlärningsprocessen
utan skulle även gå att applicera i konstruktionsbranschen för att bland annat beräkna
hur tjocka takbalkarna i ett hus behöver vara.
Denna rapport syftar till att undersöka möjligheterna till att implementera maskininlärning
för att lära en dator att lösa handritade problem inom hållfasthetslära. För att läsa in
problemet användes objektdetekteringsalgoritmen YOLO. Storheterna som programmet
beräknar avgränsades till utböjning, normalkraft, snittmoment och tvärkraft. Beräkningen
av utböjningen och de interna storheterna gjordes med hjälp av finita elementmetoden.
Slutprodukten är ett datorprogram som efter viss interaktion med användaren kan ta fram
diagram över utböjningen, normalkraften, tvärkraften samt snittmomentet och därtill
generera en datorritad bild av problemet. Den största svårigheten som stöttes på var att
med stor noggrannhet lyckas identifiera alla enskilda objekt trots stora likheter i utseende.
Detta ledde till att vissa generaliseringar fick göras, där bland annat riktningar på moment
standardiseras och istället får justeras av användaren.