بررسي اثرات افزايش سن بر رفتار شكستگي استخوان كورتيكال با استفاده از يادگيري ماشيني

اصفهان : دانشگاه صنعتي اصفهان

مهندسي مكانيك

كارشناسي ارشد

در اين پژوهش تمامي مدل‌ها در مقياس ميكرو، در نرم‌افزار آباكوس و با استفاده از روش اجزاي محدود توسعه يافته به‌صورت دوبعدي مدل‌سازي شدند. ابتدا مدل ساده شده‌ي استخوان (تك استئون در ماتريس بينابيني) براي استئون با سه جهت‌گيري طولي، شعاعي و عرضي ايجاد شد كه در آن خطوط سيماني با قانون آسيب فصل مشترك (رابط) مدل‌سازي شدند. اين كار با تركيب معيار كرنش اصلي بيشينه با معيار كرنش اسمي درجه دوم در خط سيماني صورت گرفت تا انحراف‌هاي ترك در مرزهاي استئون مطابق با نتايج آزمايشگاهي ثبت شود. اين مدل جهت ارزيابي چگونگي تأثير كانال هاورسين و استحكام خط سيماني بر مسير ترك مورد استفاده قرار گرفت. استحكام كم خط سيمان باعث انحراف ترك در راستاي خط سيماني و استحكام زياد باعث نفوذ ترك در خط سيماني و استئون شد. همچنين، وجود كانال هاورسين ريزساختار را به‌شدت تضعيف كرد. جهت بررسي تأثير افزايش سن بر رفتار مكانيكي استخوان كورتيكال، ريزساختار استخوان واقعي انسان مدل‌سازي شد. تغييرات مرتبط با افزايش سن با تغيير در كسر حجمي تخلخل و مقادير انرژي شكست اجزاي ريزساختاري بر مدل ريزساختار استخوان واقعي انسان اعمال شد. افزايش سن با افزايش تخلخل و كاهش انرژي شكست همراه است كه هر دو منجر به مسيرهاي ترك مستقيم‌تر مي‌شوند كه به داخل استئون نفوذ مي‌كنند و شكست زودتر رخ مي‌دهد. با توجه به منحني‌هاي نيرو-جابجايي به‌دست‌آمده، مي‌توان گفت كه انرژي شكست بيش‌ترين تأثير را بر پاسخ مكانيكي استخوان دارد و رفتار شكستگي شكننده‌تري را پيش‌بيني مي‌كند. در نتيجه، تغييرات مربوط به افزايش سن بر رفتار مكانيكي استخوان و مسير ترك تأثير مي‌گذارد. در پژوهش حاضر، از مدل‌هاي يادگيري ماشيني براي پيش‌بيني رفتار مكانيكي استخوان كورتيكال استفاده شده است. جهت ايجاد مجموعه‌ي داده براي به‌كارگيري روش يادگيري ماشيني، طراحي آزمايش فاكتوريل كامل صورت گرفت و 20 داده ايجاد شد. مدل‌هاي مختلف يادگيري ماشيني مانند نزديك‌ترين همسايه، رگرسيون بردار پشتيبان، درخت‌ تصميم و جنگل تصادفي براي ارائه‌ي يك مدل پيش‌بيني‌كننده‌ي قوي ايجاد و مقايسه شدند. ورودي‌هاي مدل شامل تخلخل و انرژي شكست هر فاز و خروجي‌هاي مدل شامل نيروي بيشينه و انرژي شكست كل بودند. عملكرد مدل‌هاي مختلف يادگيري ماشيني با استفاده از معيارهاي خطاي ميانگين مطلق، خطاي جذر ميانگين مربعات و ضريب تعيين ارزيابي شد. الگوريتم جنگل تصادفي براي داده‌هاي آزمايش و آموزش بهترين عملكرد (بيش‌ترين دقت و كم‌ترين خطا) را در مقايسه با ساير الگوريتم‌هاي يادگيري ماشيني داشت. از اين رو، اين الگوريتم، بهترين گزينه جهت پيش‌بيني رفتار مكانيكي استخوان كورتيكال با افزايش سن مي‌باشد. همچنين، با استفاده از روش يادگيري فعال و پياده‌سازي آن در يادگيري ماشيني، سعي شده است تا خطاي مدل تا حد امكان كاهش يابد و مدلي با عملكرد بالاتر ايجاد شود.

229518

جامدات

مهندسي مكانيك

دانشگاه صنعتي اصفهان