بهینه‌سازی پایه‌ی سکوهای دریایی با الگوریتم ژنتیک اصلاح شده وتقریب‌ساز شبکه‌های عصبی موجکی

در این مقاله از ترکیب روش الگوریتم ژنتیک و شبکه‌های عصبی موجکی برا ی بهینه‌سازی پایه‌ی سکوهای دریایی از نوع شابلونی استفاده شده است. وزن سکو به عنوان تابع هدف انتخاب گردیده است. قیدهای مسأله حداکثر تنش کششی و فشاری اعضای سکو و حداکثر تغییرمکان گره‌های فوقانی سکو می‌باشد. متغیرهای در نظر گرفته شده در فرآیند بهینه‌سازی از یک مجموعه متغیرهای گسسته که سطح مقطع استاندارد لوله‌ها می باشند، انتخاب گردیده‌است. ماهیت دینامیکی نیروهای وارد بر سکوهای دریایی باعث افزایش زمان تحلیل سازه به میزان قابل توجهی می‌شود که این مسأله در نهایت منجر به طولانی‌شدن فرآیند بهینه‌سازی می گردد. در اینگونه موارد از تحلیل تقریبی استفاده می شود. تقریب‌ساز به کار گرفته شده در این نوشته شبکه‌ی عصبی موجکی (Wave-net)، می‌باشد. مقادیر تنش حداکثر در اعضای سکو و بیشترین تغییرمکان گرهی با استفاده از این شبکه با تقریب قابل قبولی محاسبه می شود. نیروی دینامیکی غالب در سکوهای دریایی، نیروی زلزله می باشد لذا مقادیر تنش‌ها و تغییرمکانهای سکو در نتیجه‌ی اثر نیروی زلزله می‌باشد. استفاده از شبکه‌های عصبی موجکی در محاسبات مربوط به بهینه‌سازی باعث افزایش سرعت بهینه‌سازی به میزان بسیار زیادی شده است. در این مقاله کارآیی این روش جهت بهینه‌سازی پایه‌ی سکوهای دریایی با یک مثال به خوبی نشان داده شده است.

کلیدواژه ها:

الگوریتم ژنتیک ، شبکه‌های عصبی ، موجک ، سازه‌های دریایی ، تحلیل دینامیکی ، متغیرهای گسسته