بهینه سازی ظرفیت برشی تیرهای ساخته شده از مقاطع دوبل ناودانی فولادی سردنوردشده با بازشو در جان
محل انتشار: فصلنامه سازه و فولاد، دوره: 19، شماره: 50
سال انتشار: 1404
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 11
فایل این مقاله در 16 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_LISSS-19-50_002
تاریخ نمایه سازی: 11 بهمن 1404
چکیده مقاله:
تمایل به استفاده از اعضای سرد نوردشده سبک با کاربرد های متعدد درحال افزایش است. اجرای بازشوها در جان برای عبور تاسیسات ساختمانی به ویژه در نواحی تکیه گاهی، از اهمیت ویژه ای برخوردار است. هدف از این پژوهش ارزیابی ظرفیت برشی نهایی تیرهای با فولاد سرد نوردشده با بازشدگی در جان است. تیرهایی به طول ۱۰۰۰ میلی متر به صورت مقاطع Iشکل، متشکل از دوبل Cشکل تحت بارگذاری سه نقطه ای در یک تحلیل غیرخطی با پارامترهای مختلف و رفتار غیرالاستیک مصالح با استفاده از نرم افزار المان محدود مدل سازی شد. صحت سنجی مدل المان محدود با تکیه بر نتایج آزمایشگاهی موجود در مراجع معتبر، انجام پذیرفت. پارامترهای مورد نظر در این مدل سازی و قیود طراحی در فرآیند بهینه سازی ابعاد و شکل سوراخ، ضخامت مقطع، حضور لبه و بدون لبه در مقاطع و فاصله بازشدگی ها از تکیه گاه است. در این تحقیق، از روش ترکیبی شبکه عصبی-الگوریتم ژنتیک (NSGA-II) که یک الگوریتم بهینه سازی چندهدفه است، برای بهینه سازی دو هدف بار ماکزیمم و جرم مینیممم به کار برده شده است. خروجی مدل های اجزای محدود (بار ماکزیمم) به عنوان ورودی در شبکه عصبی برای آموزش و طراحی و خروجی های شبکه عصبی به عنوان تابع هدف انتخاب شدند. نتایج نشان می دهد اختلاف بار نهایی حاصل از آنالیز المان محدود و الگوریتم ژنتیک، حداکثر ۴/۱۸٪ است. در این تحقیق، چارچوب ترکیبی ارائه شده (FEM-ANN-GA)، امکان انتخاب بهینه ترین مشخصات سوراخ جان را از میان جواب های پارتو، با درنظرگیری هم زمان مقاومت و وزن، فراهم می کند. بررسی مقاومت برشی، نشان می دهد سوراخ مستطیل شکل حدود ۴% و سوراخ دایره ای حدود ۷٪ بهتر از سوراخ مربع عمل می کنند.
کلیدواژه ها:
نویسندگان
نسترن حسینجانی
عضو هیئت علمی گروه فنی و مهندسی، واحد آستارا، دانشگاه آزاد اسلامی، آستارا، ایران
حسین پرستش
دانشگاه علم و فرهنگ
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :