Perpustakaan Digital ITB

Komposittenunbanyakdigunakandalamaplikasirekayasastrukturringan,tetapi sifatelastiknyasangatdipengaruhioleharsitekturskalameso,sepertigeometri yarn,fraksivolume,polatenun,dandeformasiakibatprosespreforming.Metode elemen hinggamampumenangkaphubunganstruktur–sifattersebut,tetapisimulasi berulangmembutuhkanbiayakomputasiyangtinggiuntukstudiparametrik dan pemilihanmaterialsecaracepat.Penelitianinimengembangkankerangka prediksi hubunganstruktur–sifatberbasisAIuntukkomposittenunmenggunakan representasi RVEskalamesoyangmemperhitungkandeformasigeometriakibat proses preforming.DatasetberbasismetodeelemenhinggadibangundiAbaqus denganmemvariasikanketebalankomposit,bentukpenampangyarn,fraksivolume, lebar yarn,jarakantar-yarn,materialserat,materialmatriks,danpolatenun. Kerangkaelemenhinggadivalidasiterhadapdataeksperimendariliteraturdengan rata-rata galatrelatifsekitar2,39%untuksifat-sifatyangberkaitandengan kekakuan.Selanjutnya,modelsurrogatehibridastatistik–neuraldikembangkan untuk memprediksi ????11, ????22, ????12, ????12, dan ????21 darigambarRVEdaninformasi geometri.Modelsurrogateakhirmenghasilkannilairata-rata ????2 sebesar 0,96untuk seluruhtargetsifatelastik,yangmenunjukkankesesuaianyangkuatterhadaphasil simulasi metodeelemenhingga.Dibandingkandenganmetodeelemenhingga konvensional,surrogateyangdikembangkanmencapaipercepatanprediksisekitar 60×, setaradenganpenguranganwaktukomputasisekitar98,3%persampel.Hasil ini menunjukkanbahwakerangkayangdiusulkandapatmenjadialatprediksisifat elastikkomposittenunberbasisAIyangakuratdanefisiendalamdomaindesain yangdihasilkan.