استراتيجية قوية لتحديث نموذج العناصر المحددة للألواح المركبة باستخدام إطار تحسين مساعد بالوكيل المدمج ANN-SMA

لماذا يهم ضبط الهياكل الافتراضية

يعتمد المهندسون بشكل متزايد على النماذج الحاسوبية للتنبؤ بكيفية اهتزاز واستدامة جسور وأجزاء الطائرات وشفرات توربينات الرياح أثناء التشغيل. لكن هذه النماذج لا تكون جيدة إلا بقدر جودة القيم المدخلة إليها. بالنسبة للمواد المركبة متعددة الطبقات، الشائعة الآن في الطيران والبحرية، يصبح ضبط هذه القيم أمراً صعباً بشكل خاص. تُظهر هذه الورقة كيف يمكن دمج اختبارات المختبر، والذكاء الاصطناعي، وطريقة بحث مستوحاة من الطبيعة لضبط نموذج حاسوبي للوح مركب بحيث يتصرف تقريباً بنفس سلوك الهيكل الحقيقي.

من الاختبارات المخبرية إلى التوائم الرقمية

تبدأ الدراسة بلوح مركب حقيقي من ألياف زجاجية، مكوّن من عشر طبقات قماشية رقيقة ملتصقة بالإيبوكسي. في المختبر، يُدعَم اللوح عند حوافه ويُضرب برفق بمطرقة مزودة بأجهزة قياس بينما تسجل مسرعات صغيرة كيف يهتز. من خلال معالجة هذه القياسات، يستخرج الباحثون ميزات الاهتزاز الأساسية: الترددات الذاتية للوح (النغمات التي يفضل الاهتزاز عندها) والأشكال الانحنائية المرتبطة بها. تعمل هذه البصمات التجريبية كمعيار ذهبي يجب أن يطابقه النموذج الحاسوبي.

بناء وفحص النموذج الأولي

بالتوازي، ينشئ الفريق نسخة افتراضية مفصلة لنفس اللوح باستخدام أداة هندسية معيارية لمحاكاة الهياكل. يُقسَّم اللوح الافتراضي إلى العديد من عناصر القشرة الصغيرة بحيث يُمثَّل طابعيته متعددة الطبقات وصلابته في اتجاهات مختلفة. عند حساب ترددهات وأشكال الاهتزاز، يجدون أن التوقعات قريبة لكنها ليست مثالية: تختلف بعض النغمات عن نتائج المختبر بأكثر من 10 في المئة. يُظهر مقارنة أدق للأشكال أنه بالرغم من تشابه الأنماط العامة، فهي ليست متطابقة. يؤكد هذا الاختلاف أن بعض الخواص المفترضة في النموذج الافتراضي — مثل الصلابة أو السمك أو الكثافة — غير دقيقة قليلاً.

تعليم وكيل سريع ليحاكي النموذج

سيكون تعديل معلمات النموذج وتشغيل المحاكاة الكاملة آلاف المرات بطيئاً للغاية، لذا يقدم المؤلفون «نماذج وكيليَّة»: بدائل رياضية سريعة تتعلم تقليد المحاكاة المكلفة. يأخذون عينات عشوائية لمئات التركيبات من السمك والصلابة والكثافة ضمن حدود واقعية، ويشغّلون المحاكاة الكاملة لكل حالة، ويجمعون الترددات الناتجة ودرجات تطابق الأشكال. تُدرَّب ثلاثة أنواع من الوكلاء على هذه المجموعة البيانية: سطح كثير الحدود البسيط، وطريقة إحصائية تسمى كريجنج، وشبكة عصبية اصطناعية. تُظهر الاختبارات أن الشبكة العصبية تلتقط أفضل العلاقات المعقدة بين المدخلات واستجابة الاهتزاز مع بقائها سريعة التقييم، فتخفض زمن كل توقع من ثوانٍ إلى أجزاء من الثانية.

السماح للعجينات المخاطية باستكشاف فضاء التصميم

مع عمل الشبكة العصبية كمُتنبئ شبه فوري، التحدي التالي هو البحث في بحر التركيبات المحتملة عن تلك التي تجعل اللوح الافتراضي يتطابق مع الحقيقي. لهذا، يستخدم الباحثون خوارزمية مستوحاة من طريقة انتشار كائنات العجينات المخاطية لاستكشاف محيطها ثم الانكماش نحو مصادر الغذاء الغنية. في عملية التحسين، يمثل كل «كائن» مجموعة مرشحة من خواص اللوح. مسترشدين بقياس الاختلاف بين الترددات المتنبأ بها والمقاسة، تحرك العجينات الافتراضية مواقعها، موازنة بين الاستكشاف الواسع والتركيز على التحسين. يُجرى هذا البحث الاصطناعي بالكامل على الوكيل، لذا يمكن إتمام الآلاف من المحاولات بسرعة.

مطابقة أدق وحوسبة أسرع

تُحسن الاستراتيجية المدمجة بين الشبكة العصبية وخوارزمية العجينة المخاطية اللوح الرقمي بشكل كبير. بعد التحديث، تختلف أربع من أول خمس ترددات طبيعية عن القيم المخبرية بأقل من 1 في المئة، وحتى الوضع الترددي الأعلى، الأصعب، يتحسن بشكل ملحوظ مقارنةً بالنموذج الأصلي. التعديلات المطلوبة معقولة فيزيائياً: انخفاض طفيف في الصلابة الفعّالة وتعديلات طفيفة في السمك والكثافة، متسقة مع تباينات التصنيع الواقعية. عندما يُقترن نفس وكيل الشبكة العصبية بأساليب بحث أكثر رسوخاً تحاكي أسراب الطيور أو التطور الجيني، تظل مقاربة العجينة المخاطية تتقارب بمزيد من الموثوقية وتقلل زمن الحوسبة بنحو 7 إلى 30 في المئة. عملياً، يعني ذلك أن المهندسين يمكنهم الحصول على «توائم رقمية» أكثر موثوقية للهياكل المركبة بسرعة أكبر، مما يدعم قرارات تصميم أفضل وأنظمة مراقبة حالة أكثر حساسية.

الاستشهاد: Kouhi, M., Mojtahedi, A. & Lotfollahi-Yaghin, M.A. A robust strategy for FE model updating of composite panels using a combined ANN-SMA surrogate-assisted optimization framework. Sci Rep 16, 10343 (2026). https://doi.org/10.1038/s41598-026-40583-7

الكلمات المفتاحية: الهياكل المركبة, تحديث نموذج العناصر المحددة, نمذجة الوكيل, الشبكات العصبية الاصطناعية, التحسين الميتاهيريستيك