بهینه‌سازی شکست ساختار شبکه‌ای با استفاده از شبکه عصبی مصنوعی و الگوریتم ژنتیک

نویسندگان

1 دانشجوی کارشناسی ارشد، گروه مهندسی مکانیک، دانشگاه تربیت مدرس، تهران، ایران

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

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

doi
10.22034/ijme.2023.400071.1789
چکیده

در این پژوهش یک ساختار شبکه‌ای 4×4 مربعی از جنس تیتانیوم با استفاده از پارامترهای مرتبط تحت نیروی کششی بهینه‌سازی شده است. ساختار شبکه‌ای یک ساختار چهارضلعی با طول ضلع L و زاویه ϴ می‌باشد و ترتیب شکست دیواره‌ها با استفاده از نرم‌افزار متلب و روش المان محدود مقایسه شده است. در پژوهش حاضر تابع هدف در بهینه‌سازی، افزایش جذب انرژی و به حداقل رساندن بیش‌ترین تنش در نظر گرفته شده است و تأثیر پارامترهای اندازه اضلاع و زوایای مختلف در این ساختار مورد بررسی قرار گرفته است. 100 حالت مختلف برای مقادیر L و ϴ با خروجی مساحت زیر نمودار (انرژی جذب‌شده) و بیش‌ترین تنش و کرنش از نرم‌افزار متلب به‌دست آمده است. با داشتن داده‌های ورودی (L و ϴ) و خروجی (انرژی جذب‌شده و بیش‌ترین تنش)، شبکه عصبی آموزش داده شده و با استفاده از مدل رگرسیون در شبکه عصبی میزان پیش‌­بینی با دقت بالای 99 درصد به‌دست آمده است که از دقت بالایی برخوردار می‌باشد. تابع ارتباط بین ورودی‌ها و خروجی‌های شبکه عصبی از نرم‌افزار متلب به‌دست آمده است و بهینه‌­سازی این ساختار شبکه‌ای 4×4 با استفاده از الگوریتم ژنتیک صورت گرفته است. تابع هدف در این پژوهش افزایش جذب انرژی و به حداقل رساندن بیش‌ترین تنش می‌باشد تا سازه شبکه‌ای بیش‌ترین استحکام را با در نظر گرفتن پارامترهای مورد بررسی داشته باشد.