بهینه سازی چند هدفه کسر حجمی صفحات تابعی مدرج پلکانی تحت بارگذاری دو محوره برای بیشینه بار کمانش و کمینه وزن
Publish place: JOURNAL OF MECHANICAL ENGINEERING، Vol: 47، Issue: 4
Publish Year: 1396
نوع سند: مقاله ژورنالی
زبان: Persian
View: 162
This Paper With 9 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_TUMECHJ-47-4_007
تاریخ نمایه سازی: 20 آبان 1400
Abstract:
در این مقاله، بهینهسازی چند هدفه کسر حجمی صفحه تابعی مدرج پلکانی برای افزایش بار کمانش بحرانی و کاهش وزن سازه تحت بار دو محوره بررسی می شود. منظور از صفحه تابعی مدرج پلکانی، صفحهای است که مشخصات مواد در راستای ضخامت بصورت یک تابع پیوسته تغییر نمیکند؛ بلکه بصورت پلکانی در لایههای متوالی تغییر میکند. هدف مساله بهینهسازی حداکثر بار کمانش بحرانی الاستیک و کمینه کردن وزن صفحه است. بدین منظور روش مجموع توابع هدف وزندار به کار گرفته شده است. متغیر طراحی کسر حجمی است که در تمام لایههای مجاور متفاوت است. برای فرمولبندی تحلیل کمانش صفحه تابعی مدرج از نظریه تغییر شکل برشی مرتبه اول استفاده شده است. روش ترکیب فازی الگوریتم ژنتیک و بهینهسازی تجمع ذرات برای بهینهسازی کسر حجمی در لایههای مختلف به کار گرفته شده است. نتایج عددی برای صفحه تابعی مدرج پلکانی با صفحه تمام تابعی مدرج که از قانون توانی ساده با شاخص توانی بهینه تبعیت میکند، مقایسه شده است. در انتها، اثر فاکتورهای وزنی، شرایط مرزی، تعداد لایهها، نسبت طول به عرض، نسبت بار و نسبت عرض به ضخامت صفحه روی طراحی بهینه بررسی شده است. نشان داده خواهد شد که بکارگیری صفحه تابعی مدرج پلکانی میتواند طراحی بهینهتری نسبت به صفحه تابعی مدرج پیوسته باشد.
Keywords:
صفحات تابعی مدرج پلکانی , بار بحرانی کمانش , ترکیب فازی الگوریتم ژنتیک- تجمع ذرات , آنالیز پایداری , طراحی بهینه
Authors
حسن بیگلری
استادیار، دانشکده مهندسی مکانیک، دانشگاه تبریز، تبریز، ایران
پریسا اکبری آذر
دانشجوی کارشناسی ارشد، دانشکده مهندسی مکانیک، دانشگاه تبریز، تبریز، ایران
علیرضا نعمتی
دانشجوی کارشناسی ارشد، دانشکده مهندسی مکانیک، دانشگاه تبریز، تبریز، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :