بهینه سازی شکست ساختار لانه زنبوری با استفاده ازشبکه عصبی مصنوعی و الگوریتم ژنتیک

در جهان امروزی رقابت بسیاری میان مهندسان برای انتخاب ساختار بهینهبا استحکام و مقاومت بالا، سبکی بیشتر و جذب انرژی بالا وجود دارد. دراین پژوهش به بهینه سازی سازه شبکه ای لانه زنبوری شکل ساخته شده ازتیتانیوم تحت نیروی کششی پرداخته شده است. با کمک نرم افزار متلب ومقادیر مختلف پارامترها، ترتیب شکست دیواره ها تا شکست نهایی ونمودارهای تنش- کرنش و نیرو- جابجایی به دست آمد. پارامترهای هندسیاین ساختار می توانند تاثیر محسوسی بر مقدار جذب انرژی این سازه ها داشتهباشند. در همین راستا بهینه سازی سازه ها با استفاده از الگوریتم ژنتیک انجامشده است. در این بهینه سازی پارامترهای هندسی شامل طول ضلع ۱L، L۲ زاویه بین ضلع نسبت به مساحت زیر نمودار تنش- کرنش یا انرژیجذب شده و حداکثر نیرو بهینه شده اند. بهینه سازی با استفاده از الگوریتمژنتیک مستلزم وجود یک تابع هدف است که پارامترهای هندسی نسبت بهآن بهینه شوند. در این تحقیق از شبکه عصبی مصنوعی برای ساخت تابعهدف استفاده شده است. آموزش شبکه عصبی با استفاده از الگوریتممنظم سازی بیزین (Bayesian Regularization) انجام شده است. نتایجحاصل از بهینه سازی نشان می دهند که ابعاد بهینه شده بصورت ۰.۱۵=۱L و ۰.۱۵=۲L و ۳۶.۶۸=ϴ می باشد

کلیدواژه ها:

یادگیری ماشین ، الگوریتم ژنتیک ، شبکه عصبیمصنوعی ، بهینه سازی ، ساختار لانه زنبوری ، جذب انرژی ، هوش مصنوعی