بهینهسازی سازه‌های هایپربولیک با استفاده از روش جستجوی ذرات باردار (CSS)
نویسندگان
چکیده مقاله:
سازه‌های هایپربولیک نوعی از سازه‌های فضاکار شبکه‌ای می‌باشند. شکل این سازه‌ها مانند یک شکل مربعی می‌باشد که گوشه‌های آن خم شده است. وقتی وسط اضلاع مربع را در جهات x و y بهم وصل می‌کنیم، این اضلاع وسطی (که مانند علامت جمع + می‌باشد) با خم شدن گوشه‌ها ثابت در جای خود باقی می‌مانند و z آنها تغییر نمی‌کند. ولی بقیه نقاط، مختصات z آنها تغییر می‌کند و سازه‌ی هایپربولیک را تشکیل می‌دهد. از این نوع سازه‌ها برای پوشش دهانه‌های طولانی استفاده می‌شود. در این مقاله، سازه‌ی مورد نظر به طور همزمان از لحاظ شکل و اندازه بهینهسازی می‌شود. برای بهینهسازی سازه‌ی هایپربولیک از الگوریتم جستجوی ذرات باردار استفاده شده است. و نتایج حاصل از آن با نتایج حاصل از الگوریتم ژنتیک مقایسه شده است.
منابع مشابه
دسته بندی اهداف سوناری با استفاده از روش ترکیبی ازدحام ذرات و جستجوی گرانشی
با توجه به خصوصیات فیزیکی بسیار نزدیک اهداف واقعی و کلاترِ سونار فعال، تفکیک این اهداف، از موضوعات چالش‌برانگیز محققان و صنعت‌گران حوزه آکوستیک می‌باشد. شبکه‌های عصبی چندلایه (MLP) یکی از پرکاربردترین شبکه‌های عصبی در دسته‌بندی اهداف دنیای واقعی هستند. آموزش از مهمترین بخش‌های توسعه این نوع شبکه ها است که در سال‌های اخیر بسیار مورد توجه قرار گرفته است. به منظور آموزش شبکه‌های MLP از دیر باز استف...
متن کاملبهینه سازی پارامترهای میراگر جرمی تنظیم شونده با استفاده از روش جستجوی سیستم ذرات باردار
در این مطالعه پارامترهای بهینه میراگر جرمی تنظیم شونده (tmd) تحت تحریکات زلزله به دست آمده است. سیستم جستجوی ذرات باردار) (cssیک روش بهینه سازی فراکاوشی است که به صورت موفقی در این مطالعه به کار گرفته شده است. الگوریتم بهینه سازی css براساس اصول فیزیک و مکانیک است. در این روش از قوانین کولمب درالکترواستاتیک و قانون نیوتن از مکانیک استفاده می شود. از نرم افزار matlab برای بهینه سازی عددی استفاده...
15 صفحه اولدسته بندی اهداف سوناری با استفاده از روش ترکیبی ازدحام ذرات و جستجوی گرانشی
با توجه به خصوصیات فیزیکی بسیار نزدیک اهداف واقعی و کلاترِ سونار فعال، تفکیک این اهداف، از موضوعات چالش برانگیز محققان و صنعت گران حوزه آکوستیک می باشد. شبکه های عصبی چندلایه (mlp) یکی از پرکاربردترین شبکه های عصبی در دسته بندی اهداف دنیای واقعی هستند. آموزش از مهمترین بخش های توسعه این نوع شبکه ها است که در سال های اخیر بسیار مورد توجه قرار گرفته است. به منظور آموزش شبکه های mlp از دیر باز استف...
متن کاملبهینهسازی موتور BLDC با استفاده از روش پارتوی مبتنی بر الگوریتم هوشمند SOA
امروزه موتورهای جریان مستقیم مغناطیس دائم بدون جاروبک (BLDC) به دلیل دارا بودن مزایای زیادی نسبت به سایر موتورهای مورد استفاده در صنعت، بیش از پیش مورد توجه قرار گرفته‌اند. از این رو طی سالیان اخیر، طراحی این موتورها موضوع بسیاری از مطالعات می‌باشد. در این مقاله به طراحی بهینه یک موتور BLDC با استفاده از روش پارتوی مبتنی بر الگوریتم بهینهسازی SOA پرداخته شده است. در این روش افزایش همزمان باز...
متن کاملطراحی بهینه غیرخطی ساز ه های گنبدی فولادی با روش جستجوی سیستم ذرات باردار
سازه های گنبدی به دلیل ارائه راه حل های موثر برای پوشش مناطق بزرگ بدون تکیه گاه های میانی از مزایای ویژه ای برخوردارند. در این پایاننامه از یک روش بهینه سازی فرا اکتشافی به نام الگوریتم جستجوی سیستم ذرات باردار برای طراحی بهینه غیرخطی هندسی گنبدهای تک لایه فولادی استفاده شده است. این الگوریتم از قوانین حاکم بر فیزیک الکتریسیته و مکانیک نیوتونی الهام گرفته شده است. مقاطع مجاز لوله ای برای گنبدها...
15 صفحه اولبهرهبرداری بهینه از سیستم تک‌مخزنه‌ی سد دز با استفاده از الگوریتم جست‌و‌جوی ذرات باردار
سابقه و هدف: امروزه، کمبود منابع آب از چالش‌های اساسی کشور ما ایران می‌باشد. بنابراین، ذخیره‌سازی و بهره‌برداری بهینه از منابع محدود موجود از جمله آب ذخیره شده در مخازن سدها از موضوعات مورد توجه محققین حوزه‌ی منابع آب می باشد.در این تحقیق،مسئله‌ی بهره‌برداری بهینه از سیستم تک‌مخزنه‌ی سد دز با استفاده از یکی از جدیدترین الگوریتم‌های فراکاوشی، به نام الگوریتم جست‌و‌جوی ذرات باردار، حل شده است. در...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
عنوان ژورنال
دوره 14 شماره 2
صفحات 35- 46
تاریخ انتشار 2018-01-10
با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023