طراحی تکاملی شبکه های عصبی GMDH برای مدل سازی میزان جذب انرژی و نیروی بیشینه تخریب درسازه های کامپوزیتی S شگل
Evolutionary design of GMDH neural network for the amount of energy absorption and peak crushing force in CFRP S-shaped structure
طراحی تکاملی شبکه های عصبی GMDH برای مدل سازی میزان جذب انرژی و نیروی بیشینه تخریب درسازه های کامپوزیتی S شگل – کارشناسی ارشد
چکیده
سازه جدار نازک S شکل با مقطع مربعی را می‌توان به عنوان یک ساده سازی از نرده پائین قسمت جلوی شاسی خودرو در نظر گرفت. از جمله متغیر های طراحی سازه می توان به طول و عرض سازه ، شعاع و زاویه کمان ، عرض و ضخامت سطح مقطع اشاره نمود ، علاوه بر متغیر های هندسی سازه ، متغیر های مربوط به کامپوزیت پیلیمری مانند زاویه الیاف ، تعداد لایه ها و … می تواند تاثیر بسزایی در عملکرد سازه ی ما داشته باشد.
اولین هدف این مقاله مطالعه پارامتریک بر روی سازه ی کامپوزیتی S شکل می باشد . با درنظر گرفتن چهار متغیر ورودی ، 49 مدل مختلف این سازه را در نرم افزار آباکوس مدل سازی و سپس مقدار جذب انرژی ، نیروی بیشینه ی تخریب و وزن سازه را محاسبه می کنیم و در انتها جدولی برای تمامی مدل ها بر اساس ورودی های مذکور و خروجی ها تهیه می کنیم .
طراحی شبکه عصبی GMDH
بدست آوردن دو تابع چندجمله‌ای که به ترتیب با دریافت متغیرهای طراحی سازه S شکل بعنوان ورودی، میزان انرژی جذب شده و بیشینه نیروی وارده را بر گرداند، هدف اصلی این پروژه می باشد. بدین منظور از شبکه های عصبی نوع GMDH ، الگوریتم ژنتیک و روش تجزیه مقادیر منفرد بصورت همزمان برای مدل سازی ریاضی این دو تابع هدف استفاده شده است. نتایج بدست آمده از مدلسازی و خطای کم در پیش بینی حاکی از دقت بالا در مدل های چند جمله ای بدست آمده می باشد.
کلیدواژه ها
طراحی تکاملی , شبکه های عصبی , مدل سازی , سازه های کامپوزیتی , کامپوزیت
Keywords
Abaqus, GMDH, CFRP, Finite Element Model, Peak crushing force, S-shaped box
