بهینه سازی سازه بدنه لکوموتیوER 24-PCبا استفاده از شبکه عصبی مصنوعی و الگوریتم بازپخت فلزات

امروزه به دلیل پیچیده شدن طراحی، بررسی رفتار سازه دینامیکی به کمک اجزا محدود بسیار مورد توجه قرار گرفته است.فرکانس طبیعی و شکل مود از خواص دینامیکی مهم در طراحی هر سازه ای می باشد، بررسی فرکانس طبیعی اجزا مختلفسیستم و عدم انطباق آنها بر یکدیگر به منظور جلوگیری از پدیده تشدید از اهمیت ویژه ای برخوردار است. در این مقاله سازه بدنه لکوموتیوER-24 PC لکوموتیو ایران سفیر) مورد تحلیل مودال قرار گرفته است، پس از اطمینان از صحت و دقت مدل اجزا محدود، به کمک یک تقریب زننده (شبکه عصبی) مدلی ریاضی به منظور بهینه سازی ارائه شده که در مراحل بعد اینمدل جایگزین مدل اجزا محدود می شود، از شبکه عصبی به عنوان رابط میان الگوریتم بهینه ساز و مدل اجزا محدود استفاده شده که باعث می شود الگوریتم بهینه ساز در زمان معقول و به ازای خطای منطقی جواب بهینه را ارائه دهد. الگوریتم بازپخت فلزات در مورد توابعی که دارای نقاط بهینه محلی و چندگانه هستند نتایج بهتری ارائه می دهد، به منظور یافتن پاسخ بهینه ازاین الگوریتم استفاده شده است. با اعمال نتایج حاصله از الگوریتم بهینه ساز بر مدل اجزا محدود شاهد کمینه شدن جرم سازه بدنه و در عین حال ارضا قیدهای مسئله ( فرکانس های طبیعی) هستیم.

Keywords:

لکوموتیو , آنالیز مودال , شبکه عصبی , الگوریتم بازپخت فلزات