بهینه سازی عملکرد درهم شکستگی تیوب‌های جدار نازک اس شکل با استفاده از شبکه عصبی و الگوریتم ژنتیک

Authors

Abstract:

در این مقاله به مطالعه رفتار جذب انرژی سازه‌های تک جداره‌ای اس- شکل با هشت سطح مقطع مختلف از جمله مثلث، مربع، شش ضلعی، هشت ضلعی، دایروی، مستطیلی، لوزوی و بیضوی تحت بارگذاری دینامیکی محوری پرداخته شده است‌. این سازه‌ها در صنعت حمل و نقل به دلیل‌ شکل هندسی مخصوصشان در جاهایی که محدودیت مکانی ایجاب می‌کند مورد استفاده قرار می‌گیرند‌. بدلیل نسبت استحکام به وزن بالای‌ آلومنیوم، جنس سازه‌های ذکر شده در این پژوهش از مواد آلومنیومی در نظر گرفته شده است. شبیه‌سازی سازه‌های ذکر شده در نرم‌افزار المان محدود ال اس‌-داینا صورت می‌پذیرد. جهت رتبه‌بندی عملکرد جذب انرژی سازه‌ها از روش تصمیم‌گیری کپراس استفاده می‌شود. نتایج نشان می‌دهد که سازه‌ی اس شکل با سطح مقطع مستطیلی‌ نسبت به مابقی سطوح رتبه‌ی بالاتری را در عملکرد درهم شکستگی به خود اختصاص می‌دهد. در انتها برخی از پارامترهای طراحی سازه-ی معرفی شده با استفاده از شبکه‌ عصبی مصنوعی و الگوریتم ژنتیک بهینه‌سازی می‌شوند.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

بهینه سازی شبکه عصبی MLP با استفاده از الگوریتم ژنتیک موازی FinGrain برای تشخیص سرطان سینه

امروزه استفاده از سیستم‌های هوشمند در تشخیص پزشکی به تدریج در حال افزایش است. این سیستم‌ها می‌توانند به کاهش خطایی که ممکن است توسط کارشناسان کم‌تجربه اتفاق بیافتد، کمک کند. بدین منظور استفاده از سیستم‌های هوشمند مصنوعی در پیش‌بینی و تشخیص سرطان سینه که یکی از رایج‌ترین سرطان‌ها در بین زنان است، مورد توجه می‌باشد. در این تحقیق فرآیند تشخیص بیماری سرطان سینه با یک رویکرد دو مرحله‌ای انجام...

full text

مدل‌کردن و بهینه سازی سنتز آنزیمی کافئیک اسید فن اتیل استر با استفاده از شبکه عصبی مصنوعی و الگوریتم ژنتیک

در این تحقیق، واکنش کافئیک اسید و 2- فنیل اتانول در حضور لیپاز تثبیت شده از مخمر آنتارکتیکا (نووزیم 435) به منظور تولید کافئیک اسید فن اتیل استر در سیستم ایزواکتان با استفاده از روش‌های شبکه عصبی مصنوعی و ژنتیک الگوریتم مدل سازی و بهینه گردید. بدین منظور ازیک طرح مرکب مرکزی چرخش پذیر با 4 متغیر و 5 سطح جهت مدل کردن واکنش آنزیمی به کمک شبکه عصبی مصنوعی استفاده شد. متغیرهای مستقل شامل دما، زمان، ...

full text

بهینه سازی برشکاری جت آب همراه با ذرات ساینده با استفاده از روش شبکه عصبی - الگوریتم ژنتیک

در این پژوهش، روش شبکه عصبی- الگوریتم ژنتیک برای بهینه سازی صافی سطح در برشکاری شیشه توسط فرآیند برشکاری جت آب همراه با ذرات ساینده پیشنهاد شده است. از شبکه عصبی مصنوعی برای مدل‌سازی و پیش بینی زبری سطح با توجه به پارامترهای فرآیند شامل فشار جت آب، سرعت پیشروی، ‌نرخ ریزش ذرات ساینده و فاصله نازل تا سطح قطعه کار استفاده شده است. مقایسه نتایج به دست آمده از مدل شبکه عصبی با نتایج به دست آمده از آ...

full text

بهینه سازی ورقهای کامپوزیت با استفاده از الگوریتم ژنتیک

بهینه‌سازی سازه‌ها یعنی طراحی آنها به صورتی که هم مسائل فنی رعایت شوند و هم کمترین وزن و هزینه اجرایی را داشته باشد. در سالهای اخیر استفاده از مواد‌مرکب‌چندلایه در ساخت سازه‌های مکانیکی، فضایی، دریایی و خودروسازی افزایش یافته است. یکی از دلایل عمده استفاده از این مواد، مقاومت بسیار زیاد به همراه وزن کم آنها می باشد. از اهداف این تحقیق طراحی بهینه یک ورق مرکب چند‌لایه با کمترین وزن و هزینه ممکنه...

full text

مدل سازی خشک کردن اسمزی زردآلو با استفاده از الگوریتم ژنتیک - شبکه عصبی مصنوعی

ایران از نظر تولید زردآلو در جهان مقام دوم را دارد و مطالعه عوامل موثر بر خشک کردن این میوه و مقدار تاثیر آنها امری ضروری می باشد. لذا در این مطالعه تاثیر دمای محلول اسمزی در محدوده °C 25 تا °C 65، در مدت زمان 30 تا 120 دقیقه و غلظت محلول اسمزی در محدودۀ 30 تا 60 درصد (وزنی/وزنی) بر پارامترهای کاهش وزن، کاهش آب، جذب مواد جامد و نسبت دفع آب به جذب مواد جامد در طی خشک کردن اسمزی زردآلو مورد بررسی...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 26  issue 117

pages  40- 49

publication date 2018-01-21

By following a journal you will be notified via email when a new issue of this journal is published.

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023