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

نویسندگان

1 دانشکده مهندسی عمران، دانشگاه علم و صنعت ایران، تهران، ایران

2 دانشکده مهندسی عمران، دانشگاه علم و صنعت ایران، تهران، ایران.

3 دانشکده مهندسی عمران، دانشگاه علم و صنعت ایران، تهران، ایران.

doi
10.22091/cer.2025.13271.1635
چکیده

در این پژوهش، طراحی بهینه سازه‌های فضاکار با در نظر گرفتن سختی واقعی اتصالات به کمک یک مدل جایگزینی مبتنی بر الگوریتم یادگیری ماشین صورت گرفته است. سازه‌های فضاکار به عنوان یکی از مهم‌ترین انواع سازه‌های سبک و مقاوم، اغلب دارای اتصالاتی با رفتار نیمه‌صلب هستند که در طراحی‌های متداول به صورت ایده‌آل صلب یا مفصلی در نظر گرفته می‌شوند. این فرض غیرواقعی می‌تواند منجر به افزایش وزن سازه یا افزایش هزینه‌های اجرایی شود. بنابراین، لحاظ کردن سختی واقعی اتصالات در طراحی بهینه می‌تواند به کاهش وزن کلی سازه و افزایش کارایی آن منجر شود. از آنجا که محاسبه دقیق وزن سازه شامل هزینه‌های مرتبط با اتصالات نیز ضروری است و حدود ۱۵ تا ۴۵ درصد از وزن کل سازه را تشکیل می‌دهد، در این پژوهش وزن اتصالات نیز در تابع هدف لحاظ شده است. به منظور کاهش هزینه‌های 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 داده‌های آموزشی استفاده شده است. نتایج حاصل نشان می‌دهد که روش پیشنهادی با تعداد تحلیل‌های کمتری نسبت به الگوریتم فراابتکاری قادر به یافتن جواب بهینه است. طبق نتایج مشاهده شد که سازه‌های فضاکار ۸۰۰ عضوی و ۱۰۱۶ عضوی دارای اتصالات نیمه‌صلب به ترتیب 4.25 و 14.48 درصد وزن کمتری نسبت به سازه‌های دارای اتصالات مفصلی و صلب دارند.