طراحی بهینه قاب های فولادی خمشی سه بعدی با الگوریتم ژنتیک
سال انتشار: 1398
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 613
فایل این مقاله در 16 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JNACE-3-3_003
تاریخ نمایه سازی: 28 بهمن 1398
چکیده مقاله طراحی بهینه قاب های فولادی خمشی سه بعدی با الگوریتم ژنتیک
هدف از این مطالعه طراحی بهینه قاب های فولادی خمشی سه بعدی با استفاده از الگوریتم ژنتیک است. الگوریتم ژنتیک، یک الگوریتم تکاملی و مبتنی بر جستجوی هوشمندانه است که در مسائل تصمیم گیری گسسته، کارایی بالایی دارد و از این حیث برای بهینه سازی قاب های فولادی با پروفیلهای موجود در بازار میتواند مناسب باشد. جهت کنترل قیودات طراحی، از نرم افزار تحلیل سازه OpenSees برای تعیین پاسخ سازه استفاده میشود که به نحو مناسبی این نرم افزار با کد الگوریتم ژنتیک تهیه شده در نرم افزار MATLAB مرتبط می شود. روش طراحی در این مطالعه روش ضرایب بار و مقاومت (LRFD) است. در این مطالعه، مدلهای طراحی بهینه سه قاب سه بعدی شامل یک قاب شش طبقه و دو قاب ده طبقه تحت بارگذاری بار ثقلی، بار زلزله و بار باد توسعه داده میشود و نتایج آن ارائه می گردد. در فرآیند بهینه سازی، قاب ها با قیود اجرایی و بدون قیود اجرایی مورد بررسی قرار گرفته اند و نتایج هر دو حالت ارائه می شود. نتایج نشان می دهد که مدل بهینه سازی از کارایی بالایی در ارائه طرح های بهینه برخوردار است.
کلیدواژه های طراحی بهینه قاب های فولادی خمشی سه بعدی با الگوریتم ژنتیک:
نویسندگان مقاله طراحی بهینه قاب های فولادی خمشی سه بعدی با الگوریتم ژنتیک
محمود اکبری
استادیار،گروه مهندسی عمران، دانشکده فنی و مهندسی، دانشگاه کاشان، کاشان، ایران
محمدحسین نوذریان آرانی
کارشناس ارشد مهندسی عمران-سازه، گروه مهندسی عمران، دانشکده فنی و مهندسی، دانشگاه کاشان، کاشان، ایران
امید پناهی شهری
کارشناس ارشد مهندسی عمران-سازه، گروه مهندسی عمران، دانشکده فنی و مهندسی، دانشگاه کاشان، کاشان، ایران
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 :