طراحی بهینه سازه های فضاکار با در نظر گرفتن سختی اتصالات با استفاده از مدل جایگزینی مبتنی بر یادگیری ماشین

در این پژوهش، طراحی بهینه سازه های فضاکار با در نظر گرفتن سختی واقعی اتصالات به کمک یک مدل جایگزینی مبتنی بر الگوریتم یادگیری ماشین صورت گرفته است. سازه های فضاکار به عنوان یکی از مهم ترین انواع سازه های سبک و مقاوم، اغلب دارای اتصالاتی با رفتار نیمه صلب هستند که در طراحی های متداول به صورت ایده آل صلب یا مفصلی در نظر گرفته می شوند. این فرض غیرواقعی می تواند منجر به افزایش وزن سازه یا افزایش هزینه های اجرایی شود. بنابراین، لحاظ کردن سختی واقعی اتصالات در طراحی بهینه می تواند به کاهش وزن کلی سازه و افزایش کارایی آن منجر شود. از آنجا که محاسبه دقیق وزن سازه شامل هزینه های مرتبط با اتصالات نیز ضروری است و حدود ۱۵ تا ۴۵ درصد از وزن کل سازه را تشکیل می دهد، در این پژوهش وزن اتصالات نیز در تابع هدف لحاظ شده است. به منظور کاهش هزینه های محاسباتی، از یک مدل جایگزینی مبتنی بر الگوریتم یادگیری ماشین استفاده شده است. همچنین، به منظور افزایش دقت و کارایی مدل جایگزینی، از یک روش یادگیری فعال برای انتخاب هوشمندانه داده های آموزشی استفاده شده است. نتایج حاصل نشان می دهد که روش پیشنهادی با تعداد تحلیل های کمتری نسبت به الگوریتم فراابتکاری قادر به یافتن جواب بهینه است. طبق نتایج مشاهده شد که سازه های فضاکار ۸۰۰ عضوی و ۱۰۱۶ عضوی دارای اتصالات نیمه صلب به ترتیب ۴.۲۵ و ۱۴.۴۸ درصد وزن کمتری نسبت به سازه های دارای اتصالات مفصلی و صلب دارند.

کلیدواژه ها:

سازه های فضاکار ، سختی اتصالات ، بهینه سازی ، مدل های جانشین ، یادگیری فعال