بررسی جذب انرژی در یک ساختار مشبک آگزتیکی با استفاده از یادگیری ماشین مبتنی بر شبکه عصبی مصنوعی و الگوریتم ژنتیک

امروزه با پیشرفت تکنولوژی، بهبود و کیفیت زندگی،  هوش مصنوعی در جهان جایگاه ویژه ای پیدا کرده است. در این پژوهش به بهینه سازی سازه شبکه ای آگزتیک منحنی شکل ساخته شده از پلی لاکتیک اسید پرداخته شده است. سازه های مشبک به علت مزایایی از جمله جذب انرژی بالا که دارند کاربرد بسیارگسترده ای در صنایع مختلف دارند. پارامترهای هندسی این ساختار می توانند تاثیر محسوسی بر مقدار جذب انرژی این سازه ها داشته باشند. در همین راستا، بهینه سازی پارامترهای هندسی با استفاده از الگوریتم ژنتیک انجام شده است. در این تحقیق پارامترهای شعاع انحنای R۱، زاویه انحنای Ɵ۱، شعاع انحنای R۲، زاویه انحنای Ɵ۲، طول L نسبت به انرژی جذب شده توسط سازه، نیروی بیشینه و مدول الاستیسیته بهینه شده اند. تعداد زیاد پارامترهای بهینه سازی تاییدکننده استفاده از الگوریتم ژنتیک برای فرایند بهینه سازی این ساختار است. بهینه سازی با استفاده از الگوریتم ژنتیک مستلزم وجود یک تابع هدف است که پارامترهای هندسی نسبت به آن بهینه شوند. این تابع هدف می بایست یک تابع پیوسته باشد که بتواند به ازای هر پارامتر هندسی، خروجی های لازم را تولید کند. در این تحقیق از شبکه عصبی مصنوعی برای ساخت تابع هدف استفاده شده است. شبکه عصبی مصنوعی این امکان را فراهم می کند که با وجود تعداد محدودی ورودی و خروجی بتوان یک تابع پیوسته ایجاد کرد که بتواند به ازای دریافت ورودی های مختلف، خروجی های مناسبی تولیدکند. پس از استخراج پارامترهای هندسی بهینه، ساختار بهینه با استفاده از چاپگر سه بعدی ساخته شده و مورد آزمایش فشار شبه استاتیک قرار گرفته است.

کلیدواژه ها:

سازه آگزتیک ، شبکه عصبی مصنوعی ، الگوریتم ژنتیک ، جذب انرژی ، هوش مصنوعی