بهینهسازی وزن سازههای ساخته شده از مواد مرکب چند لایه با استفاده از شبکه عصبی مصنوعی و الگوریتم رقابت استعماری
First Statement of Responsibility
/مختار جلیلیان
.PUBLICATION, DISTRIBUTION, ETC
Name of Publisher, Distributor, etc.
: پردیس بین المللی ارس
PHYSICAL DESCRIPTION
Specific Material Designation and Extent of Item
۱۱۲ص
NOTES PERTAINING TO PUBLICATION, DISTRIBUTION, ETC.
Text of Note
چاپی
DISSERTATION (THESIS) NOTE
Dissertation or thesis details and type of degree
کارشناسی ارشد
Discipline of degree
در رشته مهندسی عمران گرایش سازه
Date of degree
۱۳۹۲/۰۶/۲۵
Body granting the degree
دانشگاه تبریز
SUMMARY OR ABSTRACT
Text of Note
بهینه سازی وزن سازه ها یکی از موضوعات بسیار مهمی است که همواره در طراحی های مهندسی در نظر گرفته می شود .بهینه سازی سازه یعنی طراحی به صورتی که هم مسائل فنی رعایت شود وهم کمترین وزن وهزینه ی اجرایی داشته باشد .با توجه به اهمیت بالای وزن سازه ها به خصوص در سازه های مورد استفاده در صنعت ساختمان و هوا فضا می توان کسر حجمی لایه های موجود در سازه های ساخته شده از مواد مرکب را طوری تعیین نمود که کمترین وزن مورد نیاز را برای ارضای شرایط خاص دارا باشد .از جمله ویژگیهای مواد مرکب میتوان به داشتن وزن مخصوص کم، پایداری حرارتی مناسب ،مقاومت خستگی عالی ،مقاومت مکانیکی بالا و ....اشاره کرد .این مواد مرکب از چسباندن متناوب صفحات نازک بدست می آید .لذا به علت کاربرد روزافزون این گروه از مواد مطالعه رفتار مکانیکی ضروری است .در این پژوهش هدف کمینه کردن وزن تیر ساخته شده از مواد مرکب سرامیک فلز می باشد به گونه ای قید فرکانس طبیعی سازه ارضا شود .فرکانس طبیعی سازه با استفاده از روش دیفرانسیل کوادریچر تعمیم یافته به دست می آید .به دلیل اینکه بهینه سازی مساله مورد توجه در این پژوهش بسیار زمان بر خواهد بود، لذا از شبکه عصبی مصنوعی و الگوریتم رقابت استعماری به منظور تسریع در یافتن جواب بهینه استفاده می شود .به این صورت که ابتدا با استفاده از شبکه عصبی مصنوعی فرکانس سازه مدل سازی می شود سپس با استفاده از الگوریتم رقابت استعماری وزن سازه بهینه می گردد .نتایج حاصل از این پژوهش توانایی الگوریتم رقابت استعماری با الگوریتم تکاملی ژنتیک را مقایسه کرده وتاثیر بکار گیری همزمان شبکه های عصبی و الگوریتم های تکاملی در کاهش زمان مورد نیاز برای حل مسائل بهینه سازی نشان می دهد
Text of Note
metal is specified as the natural frequency of the structure is satisfied. Natural frequency of the structure is obtained using the Generalized Differential Quadrature (GDQ) method. Because the optimization problem considered in this study would be very time consuming, The Generalized Differential Quadrature (GDQ) method of artificial neural network and is used to expedite finding the optimum solution. Thus, the frequency of using artificial neural network structure is modeled using Generalized Differential Quadrature (GDQ) method is optimal structural weight. The results of this study, the ability of genetic algorithms, evolutionary algorithms are compared with Generalized Differential Quadrature (GDQ) method of using neural networks and evolutionary algorithms to reduce the time required for solving optimization problems show-Structural weight optimization is a very important issue that has to be considered in engineering design. Structural optimization of the design is such that compliance with both the technical aspects of the implementation cost is minimal weight. Due to the weight of the structures, especially buildings and structures used in aerospace industry Volume fraction in the layer can be made of composite materials and structures so that the minimum weight is required to satisfy certain conditions. Such composites can be characterized as having low density, good thermal stability, high fatigue resistance, high mechanical strength Noted. These pages consist of alternating thin paste is obtained. Therefore due to the increasing use of mechanical behavior of materials is essential. In this study, the minimum weight beam made of ceramic composite materials