پیش بینی عمر خستگی مواد کامپوزیت هیبریدی با استفاده از الگوریتم ژنتیک

عوامل بسیاری بر عملکرد خستگی مواد کامپوزیتی زمینه پلیمری و تحلیل رفتار خستگی آنها از جمله خواص موادتشکیل دهنده )ماتریس و الیاف(، فصل مشترک فاز زمینه و الیاف، پارامترهای بارگذاری نظیر فرکانس، دامنه تنش، نسبتتنش، تعداد لایه ها، جهت الیاف و ... تاثیر گذارند. در سال های اخیر روش های هوش مصنوعی، به عنوان تکنیک های محاسباتی نرم برای مدل سازی عمر خستگی مواد کامپوزیتی معرفی شده اند که ابزار بسیار قدرتمندی برای مدل سازی رفتار غیر خطی لمینیت های کامپوزیتی در معرض بارگذاری سیکلیک دامنه ثابت هستند. تحولات اخیر در هوش مصنوعیو تکنیک های محاسباتی تکاملی استقرار سریع مدل ها برای حل کامل و یا حدودی مسائل چند پارامتری، مانند پیش بینی عمر خستگی مواد کامپوزیتی را فراهم کرده است. هدف از این تحقیق تجزیه و تحلیل رفتار خستگی مواد کامپوزیت هیبریدی و پیش بینی طول عمر این مواد در طول بارگذاری سیکلیک است. این مسئله باعث درک بهتر مکانیسم های اصلی آسیب خواهد شد که به طور بالقوه می تواند در طراحی مقاومت به خستگی بالاتر مواد به خصوص مواد کامپوزیتی، مورد استفاده قرار گیرد. در مطالعه پیش رو با بکار گیری توابع آماری رگرسیون و نیز مفاهیم الگوریتم ژنتیک پیش بینیعمر خستگی ماده کامپوزیتی glass/epoxy مورد بررسی قرار می گیرد و نتایج حاصله نشان از عملکرد مطلوب تر الگوریتم ژنتیک در حل مسائل بهینه سازی نسبت به روش های سنتی دارد

Keywords:

کامپوزیت هیبریدی , خستگی , پیش بینی عمر , بهینه سازی , هوش مصنوعی , الگوریتم ژنتیک