بهینهسازی وزنی پنل ساندویچی تحت بار انفجار زیر آب با روش الگوریتم ژنتیک وFEM
Publish place: 20th Annual Conference of Mechanical Engineering
Publish Year: 1391
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 970
متن کامل این Paper منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل Paper (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.
- 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:
ISME20_004
تاریخ نمایه سازی: 18 تیر 1391
Abstract:
امروزه استفاده از مواد مرکب الیافی در طراحی و ساخت سازه های دریایی افزایش چشمگیری داشته است . بطور مثال، در سازه بدنه شناورهای پرسرعت از مواد کام پوزیتی ساندویچی استفاده می شود. با توجه به بکارگیری ساندویچ پنل های لایه ای در اینگونه سازه ها (به علت سبکی و خواص مکانیکی خوب در برابر بارهای دینامیکی )، تاثیر بارهای شاک وارد بر ساندویچ پنل های به کار رفته در پوسته کف، یکی از بحرانی ترین مسایل طراحی آنها می باشد . افزایش تعداد متغیرهای طراحی از جمله گوناگونی مواد، ترتیب لایه ها و همچنین نوع الیاف مختلف، باعث ایجاد پیچیدگی هایی در طراحی می شود . روند بهینه سازی بکار رفته از دو قسمت تکنیک بهینه سازی و روش آنالیز سازه تشکیل شده است . تکنیکی که برای بهینه سازی بک ار گرفته شده جزء روش هایی است که از طبیعت الهام گرفته شده که به آن الگوریتم ژنتیک می گویند . در روند بهین ه سازی از الگوریتم ژنتیک همراه با آنالیز المان محدود استفاده می شود . نتایج حاصل نشان می دهد که لایه چینی بهینه و همچنین هسته ساندویچی با ضخامت های مختلف بطور نسبی چه تاثیری بر رفتار سازه ای تحت این نوع بارگذاری داشت هاند
Keywords:
Authors
حمیدرضا سلیمی
دانشگاه آزاد اسلامی واحد شیراز، دانشکده فنی و مهندسی، شیراز، ایران
بهادر سرانجام
مجتمع علوم و فناوری هوادریا
محسن احمدزاده
دانشگاه آزاد اسلامی واحد شیراز، دانشکده فنی و مهندسی، شیراز، ایران
سیداحمد حسینی فرد
دانشگاه آزاد اسلامی واحد شیراز، دانشکده فنی و مهندسی، شیراز، 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 :