بهینه سازی ارتعاشات درایو شفت فلزی تقویت شده بوسیله لایه های کامپوزیتی، با روش الگوریتم ژنتیک
Publish place: اولین کنفرانس بینالمللی مهندسی مکانیک و هوافضا
Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 698
This Paper With 19 Page And PDF and WORD 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:
MECHAERO01_200
تاریخ نمایه سازی: 21 شهریور 1395
Abstract:
یکی از فاکتورهای مهم در افزایش عمر ماشین های دوار، کاهش نیروهای ارتعاشی می باشد. در مسائل طراحی، به ویژه طراحی سازه ها، با توجه به ضعف روش های کلاسیک بهینه سازی در این خصوص، امروزه رویکرد وسیعی به روش های تکاملی بهینه سازی صورت گرفته است که الگوریتم ژنتیک یکی از قدرتمندترین روش های بهینه سازی می باشد. در این مقاله از روش الگوریتم ژنتیک بمنظور بهینه سازی ارتعاشات درایو شفت های استوانه ای استفاده شده است. هدف از بهینه سازی و افزایش فرکانس طبیعی، دورشدن از فرکانس کارکرد ماشین است. در این بهینه سازی، فرکانس مود اول خمشی به عنوان تابع هدف و معیار گسیختگی تسای- وو و فون- میسز به عنوان قید تسلیم استفاده شده است. تعداد لایه ها ثابت و بطور متقارن در نظر گرفته شده است. در نهایت بالاترین فرکانس مود اول خمشی و مناسب ترین زوایای الیاف و ضخامت کامپوزیت لایه ای بدست آمده است. به منظور اعتبارسنجی، روش تحلیل انجام شده در این مقاله، با کارهای قبلی انجام شده در این زمینه، مورد بررسی قرار گرفت و صحت روش حاضر را اثبات نمود. مقایسه نتایج مربوط به طراحی اولیه با نتایج بدست آمده از بهینه سازی حاضر و همچنین انجام مقایسات برای شفت هایی با اندازه های بزرگتر نیز ارائه شده است.
Keywords:
Authors
عمار تقی پور
دانشکده مکاترونیک-دانشگاه آزاد کاشان- ایران
محسن ایرانی رهقی
گروه مکانیک جامدات-دانشکده مهندسی مکانیک-دانشگاه کاشان-کاشان-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 :