بهینه سازی قاب های فولادی دارای اتصال نیمه صلب با استفاده از الگوریتم ژنتیک

پایان نامه
  • وزارت علوم، تحقیقات و فناوری - دانشگاه زنجان - دانشکده مهندسی
  • نویسنده محمد یاسمی
  • استاد راهنما پیام اشتری
  • تعداد صفحات: ۱۵ صفحه ی اول
  • سال انتشار 1392
چکیده

در این پایان نامه از الگوریتم ژنتیک برای بهینه سازی وزن سازه ها استفاده شده است. برای افزایش سرعت همگرایی و رسیدن به جواب های بهتر، منطق فازی نیز مورد استفاده قرار گرفته است. اتصالات نیز به دو صورت نیمه گیردار با درجه گیرداری های مختلف و گیردار فرض شده اند. هر کدام از اتصالات به تنهایی در قاب قرار داده شده و تحلیل می شوند. نتایج حاصل شده از طراحی با یکدیگر مقایسه خواهد شد. ادغام یکنواخت برای جستجوی بهتر در بین راه حل ها و تولید فرزندان بهتر و نیز از کدگذاری صفر و یک که دارای سازگاری بهتر با عملگر های الگوریتم ژنتیک می باشد استفاده شده است. اندازه جمعیت 30، نرخ ادغام و جهش نیز به ترتیب 1 و 005/0 در نظر گرفته شده است. در این جا از 9 قاب دو بعدی با تعداد دهانه 3، 4 و5 و طبقات مختلف برای رسیدن به نتایج مورد نظر استفاده گردیده است. نتایج نشان می دهد که اتصالات نیمه گیردار در مقایسه با اتصالات صلب باعث کاهش وزن سازه و افزایش جایجایی سازه می شود. همچنین ترکیب منطق فازی با الگوریتم ژنتیک در رسیدن به جواب های بهتر موثر می باشد.

۱۵ صفحه ی اول

برای دانلود 15 صفحه اول باید عضویت طلایی داشته باشید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

بهینه سازی وزن قاب های فولادی با استفاده از الگوریتم ژنتیک

در طراحی های اخیر، بهینه سازی سازه ها برای کمترین وزن، اهمیت زیادی پیدا کرده است. در این مطالعه از الگوریتم بهینه سازی ژنتیک که یک تکنیک بهینه سازی و جستجو براساس اصول ژنتیک و انتخاب طبیعی می باشد برای به حداقل رساندن وزن قاب های فولادی استفاده شده است. محدودیت های مربوط به مقاومت و خدمت پذیری از آیین نامه انجمن ساختمان های فولادی آمریکا (aisc) گرفته شده و در الگوریتم اعمال شده است. فرآیند طراح...

متن کامل

بهینه سازی وزن قاب های فالادی با استفاده از الگوریتم ژنتیک

در طراحی‌های اخیر، بهینه‌سازی سازه‌ها برای کمترین وزن اهمیت زیادی پیدا کرده است. در این مطالعه از الگوریتم بهینه‌سازی ژنتیک که یک تکنیک بهینه‌سازی و جستجو براساس اصول ژنتیک و انتخاب طبیعی می‌باشد برای به حداقل رساندن وزن قاب‌های فولادی استفاده شده است. محدودیت‌های مربوط به مقاومت و خدمت‌پذیری از آیین‌نامه انجمن ساختمان‌های فولادی آمریکا (AISC) گرفته شده و در الگوریتم اعمال شده است. فرآیند طراحی...

متن کامل

توسعه روش تحلیل پلاستیک برای قاب های مهاربندی و بهینه سازی آن با استفاده از الگوریتم ژنتیک جهت پیش بینی فروریزش قاب های فولادی با مهاربند

روش تحلیل پلاستیک از جمله موثرترین و پرکاربردترین روش‌ها در این حوزه می‌باشد. با وجود این که استفاده از روش تحلیل پلاستیک در قاب‌های خمشی به صورت دستی امری بسیار زمان‌بر و خسته‌کننده می‌باشد، روند تحلیل ساده بوده و محققین متعدد در این حوزه فعالیت‌هایی داشته‌اند. لکن تحلیل قاب‌های مهاربندی به دلیل مسئله کمانش مهاربندها و وجود نیروهای محوری و برشی در اعضای قاب بسیار پیچیده بوده و لذا تحقیق چندانی...

متن کامل

بهینه سازی چند هدفه قاب های خمشی بتن آرمه با استفاده از الگوریتم ژنتیک و روش جمع وزنی توابع هدف

در چند دهه اخیر استفاده از الگوریتم ژنتیک برای بهینه­سازی سازه­ها مورد توجه بسیاری بوده و سازه­های فولادی و بتنی با هدف بهینه سازی وزن مورد بررسی قرار گرفته اند. اما بهینه سازی چند هدفه به منظور تعیین موازنه توابع هدف و استخراج جبهه پاراتو در سازه های فولادی و خصوصاً بتن آرمه چالش برانگیز بوده است. در این مقاله توابع هدف هزینه و جابه­جایی برای بهینه سازی قابهای خمشی بتن آرمه معرفی شده اند. با اس...

متن کامل

بهینه سازی ورقهای کامپوزیت با استفاده از الگوریتم ژنتیک

بهینه‌سازی سازه‌ها یعنی طراحی آنها به صورتی که هم مسائل فنی رعایت شوند و هم کمترین وزن و هزینه اجرایی را داشته باشد. در سالهای اخیر استفاده از مواد‌مرکب‌چندلایه در ساخت سازه‌های مکانیکی، فضایی، دریایی و خودروسازی افزایش یافته است. یکی از دلایل عمده استفاده از این مواد، مقاومت بسیار زیاد به همراه وزن کم آنها می باشد. از اهداف این تحقیق طراحی بهینه یک ورق مرکب چند‌لایه با کمترین وزن و هزینه ممکنه...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


نوع سند: پایان نامه

وزارت علوم، تحقیقات و فناوری - دانشگاه زنجان - دانشکده مهندسی

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023