بهینه یابی سطح مقطع و هندسه ی خرپاها تحت قید قابلیت اعتماد با استفاده از الگوریتم ژنتیک
Publish place: National Conference on Technology and New Technology Design, Calculation and Execution of Civil Engineering, Architecture and Urbanism
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 700
This Paper With 8 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:
DCECAU01_077
تاریخ نمایه سازی: 2 تیر 1395
Abstract:
بهینه یابی بهترین طراحی قابل قبول بر اساس معیارهای شایستگی از پیش تعریف شده است. هدف از بهینه یابی سازه ها دستیابی به کمترین وزن با هزینه ی ساخت، یا رعایت شرط ها و قیود موردنظر است. ا گر فرآیند بهینه یابی در محیط احتمالاتی حاکم بر سازه انجام شود، استفاده از نظریه ی قابلیت اعتماد لازم می شود. در این مقاله، راهکاری ارائه شده است تا با استفاده از آن بتوان وزن سازه های خرپایی را به حداقل ممکن رساند و افزون بر آن، تراز ایمنی سازه را تا حد موردنظر افزایش داد. لذا در این مقاله، ماهیت تصادفی بارهای خارجی وارد بر خرپاها و همچنین مقاومت مصالح تشکیل دهنده ی اعضای آنها، با استفاده از نظریه ی قابلیت اعتماد، در روند طراحی وارد شده است. بهینه یابی با استفاده ازالگوریتم فرا اکتشافی ژنتیک (GA) انجام می شود. متغیرهای مسئله ی بهینه یابی شامل طح مقطع اعضا و مختصات نقاط گرهی سازه های خرپایی است و وزن سازه ی خرپا به عنوان تابع هدف الگوریتم بهینه یابی درنظر گرفته شده است. بهینه یابی تحت قید شاخص قابلیت اعتماد سیستم انجام پذیرفته و از طریق آن اثر متقابل اعضای خرپا بر یکدیگر منظور شده است. نتایج این پژوهش نشان می دهد که بهتر است به جای استفاده از مجموع احتمال خرابی اعضا برای ارزیابی احتمال خرابی سیستم سازه ای، از روش شاخصه و کرانه استفاده شود، زیرا این روش باعث می شود که کرانه های نزدیکتری برای احتمال خرابی سیستم سازه ای به دست آید و در نیتجه، سازه های سبک تری طراحی می شود.
Keywords:
Authors
کیارش بیابانی همدانی
دانشجوی کارشناسی ارشد عمران (گرایش سازه)، دانشکده ی عمران و معماری، دانشگاه شاهرود
وحیدرضا کلاتجاری
دانشیار، دانشکده ی عمران و معماری، دانشگاه شاهرود
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 :