آموزش ریاضیات سیگنال‌های تصادفی، آسیب خستگی، تست‌های ارتعاش - آخرین آپدیت

دانلود The Math of Random Signals, Fatigue Damage, Vibration Tests

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:

مهندسی قابلیت اطمینان، آسیب خستگی و کاربردهای آن در تست‌های لرزشی

با دنیای شگفت‌انگیز آسیب خستگی و کاربردهای آن در مهندسی آشنا شوید

موضوعات اصلی دوره

  • تعریف ریاضیاتی آسیب خستگی
  • یافتن چگالی احتمال قله‌های سیگنال تصادفی
  • اهمیت توزیع گوسی و دلیل ظهور آن در سیگنال‌های تصادفی
  • محاسبه چگالی احتمال مشترک دو متغیر گوسی
  • طیف آسیب خستگی (Fatigue Damage Spectrum) و اهمیت آن در تست‌های خستگی
  • تولید سیگنال‌ها با طیف آسیب خستگی مشخص

پیش‌نیازها

  • سری فوریه (Fourier Series)
  • تبدیلات فوریه (Fourier Transforms)
  • حساب دیفرانسیل و انتگرال و حساب دیفرانسیل و انتگرال چندمتغیره
  • متغیرهای تصادفی (Random Variables)
  • مقدار مورد انتظار (Expected Value)
  • تابع چگالی احتمال (Probability Density Function)

مقدمه

آیا به یادگیری آسیب خستگی و کاربردهای آن در مهندسی علاقه دارید؟ در این دوره جامع شرکت کنید و به عمق ریاضیات آسیب خستگی، از استخراج معادلات ضروری تا کاربرد نظریه در موقعیت‌های واقعی بپردازید.

اهداف دوره

این دوره برای هر کسی که به تست‌های لرزشی و مهندسی قابلیت اطمینان علاقه دارد، و همچنین کسانی که می‌خواهند زیبایی ریاضیات کاربردی در مهندسی را ببینند، طراحی شده است. شما با فرآیندهای تصادفی (stochastic processes)، توزیع‌های احتمال و نقش آن‌ها در کاربردهای واقعی، سیستم‌های تک درجه آزادی، چگالی احتمال ماکزیمم‌های یک فرآیند تصادفی و موارد دیگر آشنا خواهید شد.

تخصص مدرس

مفاهیم این دوره بر اساس رساله دکتری مدرس بنا شده است: "الگوریتم‌های پیشرفته سنتز ماموریت برای تست عمر شتاب‌یافته مبتنی بر لرزش". این رساله از فوریه ۲۰۲۳ به صورت عمومی در دسترس قرار گرفته است. شما همچنین به رابط‌های کاربری گرافیکی (GUI) که توسط مدرس و با همکاری شرکت‌های علاقه‌مند توسعه داده شده‌اند، دسترسی خواهید داشت تا ببینید چگونه معادلات برای تولید سیگنال‌های ارتعاشی پیاده‌سازی می‌شوند.

ساختار دوره

این دوره شما را با تست‌های تخمین عمر خستگی آشنا می‌کند که هدفشان بازتولید کل آسیب خستگی تجربه شده توسط قطعه در طول عمر عملیاتی آن، اما در مدت زمان کوتاه‌تر است. شما یاد خواهید گرفت که چگونه این تست‌ها را برای کاربردهای خاص تنظیم کنید و سیگنال‌هایی تولید کنید که "پتانسیل آسیب" مشابه شرایط محیطی که قطعات در معرض آن‌ها قرار می‌گیرند، داشته باشند.

مزایای دوره

با ثبت‌نام در این دوره، مفاهیم پیشرفته ریاضی را به دست خواهید آورد که درک شهودی دارند و ارتباط آن‌ها با کاربردهای واقعی همیشه برجسته خواهد شد. شما یاد خواهید گرفت که چگونه چگالی طیف توان (Power Spectral Density - PSD) را به آسیب خستگی مرتبط کنید، که برای ایجاد سیگنال‌های مورد استفاده در طول تست‌ها ضروری است. علاوه بر این، با سیگنال‌های غیرگوسی آشنا خواهید شد که مهم هستند زیرا سیگنال‌هایی در کاربردهای واقعی اندازه‌گیری می‌شوند که به دلیل وجود قله‌ها و جهش‌ها در سیگنال‌ها، انحراف از توزیع گوسی را نشان می‌دهند.

محتوای دوره

  • مقدمه‌ای بر آسیب خستگی
  • فرآیندهای تصادفی و توزیع‌های احتمال
  • سیستم‌های تک درجه آزادی
  • چگالی احتمال ماکزیمم‌های یک فرآیند تصادفی
  • تنظیم تست‌های تخمین عمر خستگی برای کاربردهای خاص
  • تولید سیگنال‌ها با "پتانسیل آسیب" مشابه شرایط محیطی
  • مرتبط کردن چگالی طیف توان (PSD) با آسیب خستگی
  • ایجاد سیگنال‌های گوسی و غیرگوسی

ارائه دوره

این دوره به صورت آنلاین و با دسترسی در هر زمان و از هر نقطه جهان ارائه می‌شود. شما به ویدئوهای آموزشی و همچنین مواد مطالعه (رساله دکتری مدرس) برای تعمیق درک خود در صورت لزوم دسترسی خواهید داشت.

مدت زمان دوره

مدت زمان دوره انعطاف‌پذیر و خودآموز است و به شما اجازه می‌دهد با سرعت خودتان یاد بگیرید. تخمین زده می‌شود که تکمیل دوره حدود ۱۰-۱۲ ساعت طول بکشد (حتی اگر کمتر باشد، شما به زمان برای تفکر نیاز دارید!).

اتمام دوره

پس از اتمام دوره، گواهینامه پایان دوره را دریافت خواهید کرد که می‌تواند برای نشان دادن دانش و مهارت‌های شما در زمینه آسیب خستگی و کاربردهای آن در تست‌های لرزشی استفاده شود.

این دوره برای چه کسانی مناسب است؟

این دوره برای هر کسی که علاقه‌مند به یادگیری در مورد آسیب خستگی و کاربردهای آن در مهندسی است، از جمله دانشجویان مهندسی، متخصصان و هر کسی که عشق به ریاضیات و کاربردهای آن دارد، مناسب است.

همین امروز ثبت‌نام کنید و کاوش در دنیای شگفت‌انگیز آسیب خستگی را آغاز کنید!


سرفصل ها و درس ها

ریاضیات آسیب خستگی The mathematics of Fatigue Damage

ریاضیات آسیب خستگی The mathematics of Fatigue Damage

  • مقدمه دوره Introduction to the course

  • معرفی دوره Introduction to the course

  • توزیع گوسی مشترک Joint Gaussian Distribution

  • توزیع گاوسی مشترک Joint Gaussian Distribution

  • توزیع احتمال پوشش سیگنال گوسی (توزیع رایلی) Probability Distribution of the Envelope of a Gaussian Signal (Rayleigh distrib)

  • توزیع احتمال پاکت سیگنال گاوسی (توزیع رایلی) Probability Distribution of the Envelope of a Gaussian Signal (Rayleigh distrib)

  • تعریف ریاضی آسیب خستگی Mathematical Definition of Fatigue damage

  • تعریف ریاضی آسیب خستگی Mathematical Definition of Fatigue damage

  • فرمول تعداد مورد انتظار قله های مثبت Formula for the Expected number of Positive Peaks

  • فرمول تعداد مورد انتظار قله‌های مثبت Formula for the Expected number of Positive Peaks

  • چگالی طیفی توان، انحراف معیار فرآیند تصادفی و مشتقات آن Power Spectral Density, Standard Deviation of a Random Process & its Derivatives

  • چگالی طیفی توان، انحراف استاندارد یک فرآیند تصادفی و مشتقات آن Power Spectral Density, Standard Deviation of a Random Process & its Derivatives

  • ارتباط طیف آسیب خستگی با چگالی طیفی توان Relating the Fatigue Damage Spectrum to the Power Spectral Density

  • مرتبط کردن طیف آسیب خستگی با چگالی طیفی توان Relating the Fatigue Damage Spectrum to the Power Spectral Density

  • توضیح کاربردی در مورد نحوه محاسبه طیف آسیب خستگی Practical Explanation on How to Calculate the Fatigue Damage Spectrum

  • توضیح عملی نحوه محاسبه طیف آسیب خستگی Practical Explanation on How to Calculate the Fatigue Damage Spectrum

  • طیف حداکثر پاسخ Maximum Response Spectrum

  • حداکثر طیف پاسخ Maximum Response Spectrum

کاربردهای نظریه آسیب خستگی Applications of the theory of Fatigue Damage

کاربردهای تئوری آسیب خستگی Applications of the theory of Fatigue Damage

  • استفاده عملی از تئوری آسیب خستگی Practical use of the theory of Fatigue Damage

  • کاربرد عملی نظریه آسیب خستگی Practical use of the theory of Fatigue Damage

  • الگوریتم های محاسبه چگالی طیفی توان Algorithms for the Calculation of the Power Spectral Density

  • الگوریتم‌های محاسبه چگالی طیفی توان Algorithms for the Calculation of the Power Spectral Density

  • نحوه ایجاد سیگنال های غیر گاوسی با طیف آسیب خستگی تجویز شده How to Create Non-Gaussian Signals with a Prescribed Fatigue Damage Spectrum

  • نحوه ایجاد سیگنال‌های غیرگوسی با طیف آسیب خستگی مشخص How to Create Non-Gaussian Signals with a Prescribed Fatigue Damage Spectrum

  • کاربرد: سنتز سیگنال های غیر گاوسی با آسیب خستگی تجویز شده Application: Synthesis of Non-Gaussian Signals with a Prescribed Fatigue Damage

  • کاربرد: سنتز سیگنال‌های غیرگوسی با آسیب خستگی مشخص Application: Synthesis of Non-Gaussian Signals with a Prescribed Fatigue Damage

  • استفاده از حداکثر طیف پاسخ Application of the Maximum Response Spectrum

  • کاربرد طیف حداکثر پاسخ Application of the Maximum Response Spectrum

  • مثال عملی سنتز گوسی استاندارد Practical example of standard Gaussian synthesis

چگونگی وقوع توزیع سیگنال گوسی یا سیگنال سینوسی در طبیعت How the distribution of a Gaussian signal or sinusoidal signal occurs in nature

نحوه توزیع سیگنال گاوسی یا سیگنال سینوسی در طبیعت How the distribution of a Gaussian signal or sinusoidal signal occurs in nature

  • چگونه قضیه حد مرکزی از فرآیندهای تصادفی ناشی می شود How the Central Limit Theorem Arises from Stochastic Processes

  • چگونگی ظهور قضیه حد مرکزی از فرآیندهای تصادفی How the Central Limit Theorem Arises from Stochastic Processes

  • انتگرال قدرت های زوج سینوسی ها Integral of Even Powers of Sinusoids

  • انتگرال توان‌های زوج سینوسی‌ها Integral of Even Powers of Sinusoids

  • برخی از نمایش های تابع بسل مرتبه صفر Some Representations of the Bessel function of Order Zero

  • برخی نمایش‌های تابع بسل مرتبه صفر Some Representations of the Bessel function of Order Zero

  • چگالی احتمال یک سینوسی Probability Density of a Sinusoid

  • چگالی احتمال یک سینوسی Probability Density of a Sinusoid

  • توزیع یک سینوسی که به طور شهودی مشتق شده است Distribution of a Sinusoid Derived Intuitively

  • توزیع یک سینوسی مشتق شده به طور شهودی Distribution of a Sinusoid Derived Intuitively

  • چرا یک سیگنال تصادفی با فازهای توزیع شده یکنواخت گوسی است؟ Why a Random Signal with Uniformly Distributed Phases is Gaussian

  • چرا یک سیگنال تصادفی با فازهای توزیع شده یکنواخت گوسی است Why a Random Signal with Uniformly Distributed Phases is Gaussian

سینوس بر روی ارتعاشات تصادفی Sine on Random Vibrations

سینوسی بر روی ارتعاشات تصادفی Sine on Random Vibrations

  • چگالی احتمال پوشش نویز گاوسی + یک سینوسی قطعی Probability Density of the Envelope of Gaussian Noise + a Deterministic Sinusoid

  • چگالی احتمال پوشش نویز گوسی + یک سینوسی قطعی Probability Density of the Envelope of Gaussian Noise + a Deterministic Sinusoid

  • محاسبه خسارت ناشی از سینوس در سیگنال های تصادفی Calculating the Damage caused by Sine on Random Signals

  • محاسبه آسیب ناشی از سینوس بر روی سیگنال‌های تصادفی Calculating the Damage caused by Sine on Random Signals

ضمیمه در مورد سری فوریه و تبدیل فوریه Appendix on Fourier series and Fourier Transforms

ضمیمه سری فوریه و تبدیل فوریه Appendix on Fourier series and Fourier Transforms

  • مقدمه ای بر فرآیندهای تصادفی Introduction to Stochastic Processes

  • مقدمه ای بر فرآیندهای تصادفی Introduction to Stochastic Processes

  • استخراج ویژگی های یک سیستم خطی Derivation of the Properties of a Linear System

  • استخراج خواص یک سیستم خطی Derivation of the Properties of a Linear System

  • ویژگی های تبدیل فوریه یک سیگنال زمان واقعی Properties of the Fourier Transform of a Real Time Signal

  • خواص تبدیل فوریه سیگنال زمان واقعی Properties of the Fourier Transform of a Real Time Signal

  • نمایش سری فوریه از خروجی یک سیستم خطی Fourier Series Representation of the Output of a Linear System

  • نمایش سری فوریه خروجی یک سیستم خطی Fourier Series Representation of the Output of a Linear System

  • نمایش مفید دیگری از سری فوریه Another Useful Representation of the Fourier Series

  • نمایش مفید دیگر سری فوریه Another Useful Representation of the Fourier Series

  • یادآوری رابطه بین سری فوریه و تبدیل فوریه Recalling the Relationship Between the Fourier Series and the Fourier Transform

  • یادآوری رابطه بین سری فوریه و تبدیل فوریه Recalling the Relationship Between the Fourier Series and the Fourier Transform

ضمیمه در مورد معادلات دیفرانسیل معمولی Appendix on Ordinary Differential Equations

پیوست معادلات دیفرانسیل معمولی Appendix on Ordinary Differential Equations

  • حل ODE مرتبه دوم (معادلات دیفرانسیل معمولی) Solution to 2nd order ODE (ordinary differential equations)

  • راه حل ODE مرتبه دوم (معادلات دیفرانسیل معمولی) Solution to 2nd order ODE (ordinary differential equations)

ضمیمه در مورد متغیرهای تصادفی و قضیه حد مرکزی Appendix on Random Variables and the Central Limit Theorem

ضمیمه متغیرهای تصادفی و قضیه حد مرکزی Appendix on Random Variables and the Central Limit Theorem

  • فرمول استرلینگ Sterling's Formula

  • فرمول استرلینگ Sterling's Formula

  • چگونه توزیع دوجمله ای به یک گاوسی همگرا می شود How the Binomial Distribution Converges to the Gaussian One

  • چگونگی همگرایی توزیع دوجمله‌ای به توزیع گوسی How the Binomial Distribution Converges to the Gaussian One

نمایش نظرات

آموزش ریاضیات سیگنال‌های تصادفی، آسیب خستگی، تست‌های ارتعاش
جزییات دوره
8 hours
32
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
3,102
4.4 از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Emanuele Pesaresi Emanuele Pesaresi

دکترای مهندسی مکانیک و مهندسی پیشرفته در تاریخ 26 مارس 2021، دکترای من را در "مکانیک و علوم مهندسی پیشرفته" به دست آورد. من در سال 2015 و 2017 به کارشناسی مهندسی علوم و کارشناسی علوم مهندسی مکانیک به دست آمده، با افتخارات از دانشگاه بولونیا به دست آوردم. من از زمان تحصیلات مکانیک ماشین آلات از سال تحصیلی 2018-19 در دانشگاه بولونیا (شاخه ای از فولیت)، معلم تدریس را نیز به دست آورده ام. شور و شوق من برای ریاضیات، فیزیک و تدریس من را به سخنرانی دبیرستان و دانشجویان دانشگاه کمک کرده است. رویکرد من به عنوان یک معلم این است که به دانشجویان ثابت کند که حافظه برای مهندس، ریاضیدان یا فیزیکدان کمتر اهمیت دارد، از یادگیری نحوه برخورد با یک مشکل از طریق استدلال منطقی. من معتقدم که یک معلم از موضوعات علمی باید سعی کند کنجکاوی دانش آموزان خود را در مورد موضوع توسعه دهد، نه تنها تمرکز بر کسب دانش، اما مهم است که ممکن است نیز باشد. دانش آموزان باید تشویق شوند تا عمیق تر بشوند و بر دانش خود بسازند و به طور مداوم آن را مورد سوال قرار دهند، به جای پذیرش همه چیز در ارزش اسمی بدون درک کامل.