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

نویسندگان

1 دانشیار، گروه مهندسی مکانیک، دانشگاه تربیت مدرس، تهران، ایران

2 دانشجوی دکتری، گروه مهندسی مکانیک، دانشگاه تربیت مدرس، تهران، ایران

3 فارغ‌التحصیل دکتری، گروه مهندسی مکانیک، دانشگاه تربیت مدرس، تهران، ایران

doi
10.22034/ijme.2024.470912.1993
چکیده

امروزه با پیشرفت تکنولوژی، بهبود و کیفیت زندگی،  هوش مصنوعی در جهان جایگاه ویژه‌ای پیدا کرده است. در این پژوهش به بهینه‌سازی سازه‌‌ شبکه‌ای آگزتیک منحنی‌ شکل ساخته شده از پلی لاکتیک اسید پرداخته شده است. سازه‌های مشبک به علت مزایایی از جمله جذب انرژی بالا که دارند کاربرد بسیارگسترده‌ای در صنایع مختلف دارند. پارامترهای هندسی این ساختار می‌توانند تأثیر محسوسی بر مقدار جذب انرژی این سازه‌ها داشته باشند. در همین راستا، بهینه‌سازی پارامترهای هندسی با استفاده از الگوریتم ژنتیک انجام شده است. در این تحقیق پارامترهای شعاع انحنای R1، زاویه انحنای Ɵ1، شعاع انحنای R2، زاویه انحنای Ɵ2، طول L نسبت به انرژی جذب شده توسط سازه، نیروی بیشینه و مدول الاستیسیته بهینه شده‌اند. تعداد زیاد پارامترهای بهینه‌سازی تأییدکننده استفاده از الگوریتم ژنتیک برای فرایند بهینه‌سازی این ساختار است. بهینه‌سازی با استفاده از الگوریتم ژنتیک مستلزم وجود یک تابع هدف است که پارامترهای هندسی نسبت به آن بهینه شوند. این تابع هدف می‌بایست یک تابع پیوسته باشد که بتواند به ازای هر پارامتر هندسی، خروجی‌های 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 می‌کند که با وجود تعداد محدودی ورودی و خروجی بتوان یک تابع پیوسته ایجاد کرد که بتواند به ازای دریافت ورودی‌های مختلف، خروجی‌های مناسبی تولیدکند. پس از استخراج پارامترهای هندسی بهینه، ساختار بهینه با استفاده از چاپگر سه‌بعدی ساخته شده و مورد آزمایش فشار شبه استاتیک قرار گرفته‌ است.