بهینه سازی شکست ساختار شبکه ای با استفاده از شبکه عصبی مصنوعی و الگوریتم ژنتیک

در این پژوهش یک ساختار شبکه ای ۴×۴ مربعی از جنس تیتانیوم با استفاده از پارامترهای مرتبط تحت نیروی کششی بهینه سازی شده است. ساختار شبکه ای یک ساختار چهارضلعی با طول ضلع L و زاویه ϴ می باشد و ترتیب شکست دیواره ها با استفاده از نرم افزار متلب و روش المان محدود مقایسه شده است. در پژوهش حاضر تابع هدف در بهینه سازی، افزایش جذب انرژی و به حداقل رساندن بیش ترین تنش در نظر گرفته شده است و تاثیر پارامترهای اندازه اضلاع و زوایای مختلف در این ساختار مورد بررسی قرار گرفته است. ۱۰۰ حالت مختلف برای مقادیر L و ϴ با خروجی مساحت زیر نمودار (انرژی جذب شده) و بیش ترین تنش و کرنش از نرم افزار متلب به دست آمده است. با داشتن داده های ورودی (L و ϴ) و خروجی (انرژی جذب شده و بیش ترین تنش)، شبکه عصبی آموزش داده شده و با استفاده از مدل رگرسیون در شبکه عصبی میزان پیش ­بینی با دقت بالای ۹۹ درصد به دست آمده است که از دقت بالایی برخوردار می باشد. تابع ارتباط بین ورودی ها و خروجی های شبکه عصبی از نرم افزار متلب به دست آمده است و بهینه ­سازی این ساختار شبکه ای ۴×۴ با استفاده از الگوریتم ژنتیک صورت گرفته است. تابع هدف در این پژوهش افزایش جذب انرژی و به حداقل رساندن بیش ترین تنش می باشد تا سازه شبکه ای بیش ترین استحکام را با در نظر گرفتن پارامترهای مورد بررسی داشته باشد.

کلیدواژه ها:

یادگیری ماشین ، الگوریتم ژنتیک ، شبکه عصبی مصنوعی ، شکست ، تیتانیوم ، ساختار شبکه ای مربعی