حل مسأله معکوس شناسایی پارامترهای مدل اجزاء محدود تیر غیر‌یکنواخت به کمک الگوریتم بهینه‌سازی ژنتیک

نوع مقاله: مقاله مستقل

نویسندگان

1 کارشناسی ارشد مهندسی مکانیک، دانشگاه علم و صنعت ایران، تهران

2 دانشجوی دکتری مهندسی مکانیک، دانشگاه علم و صنعت ایران، تهران

3 دانشیار مهندسی مکانیک، دانشگاه علم و صنعت ایران، تهران

چکیده

در یک مسأله معکوس، هدف آن است تا به کمک اطلاعات مشاهده‌شده از یک سیستم، به مدل مناسبی از آن دست پیدا کرد، به نحوی که مدل مذکور، علاوه بر توانایی بازتولید اطلاعات اندازه‌گیری‌شده‌ی در دسترس از سیستم، توانایی پیشگویی رفتار سیستم در شرایط کاری را نیز، با دقت قابل قبولی داشته باشد. در این تحقیق، یک تیر غیریکنواخت با خواص جرمی و سفتی متغیر در طول به عنوان سازه مورد‌بررسی فرض شده است. معادله حاکم بر تیر بصورت تحلیلی حل شده و فرکانس‌های طبیعی وشکل‌مودهای مربوط به سه مود اول خمشی تیر استخراج خواهند شد. در ادامه، از مفهوم مسأله معکوس استفاده شده و به کمک الگوریتم بهینه‌سازی ژنتیک، به شناسایی پارامترهای سفتی و جرمی مدل اجزاء محدود تیر مذکور پرداخته شده‌است. در بررسی اثر تعداد سطوح مقطع مدل اجزاء محدود تیر غیریکنواخت بر دقت نتایج، مشاهده شد که مدل اجزاء محدود با تعداد سطوح مقطع بیشتر، توانایی بیشتری در بازتولید رفتار دینامیکی یک تیر غیریکنواخت را دارد. از آنجا که ماهواره‌برها از جمله پرکاربردترین سازه‌های مورد استفاده در صنعت هوافضا بوده و یکی از روش‌های مرسوم در مدل‌سازی سازه‌‌ی ماهواره‌برها، استفاده از مدل تیر غیریکنواخت می‌باشد، با استفاده از روند استفاده شده در این مقاله، می‌توان مدل اجزاء محدود مربوط به یک سازه واقعی ماهواره‌بر را به‌روز‌رسانی کرد.

کلیدواژه‌ها

موضوعات


 

[1] Dunn SA (1997) Modified genetic algorithm for the identification of aircraft structures. J Aircraft 34(2): 251-253.

[2] Dunn SA (1998) Optimisation of the structural dynamic finite element model for a complete aircraft. 21st Congress of the Int Council of the Aeronautical Sciences. Melbourne, Australia.

[3] Dunn SA (1999) Technique for unique optimization of dynamic finite element models. J Aircraft 36(6): 919-925.

[4] Trivailo PM, et al. (2006) Inverse problem of aircraft structural parameter estimation: application of neural networks. Inverse Probl Sci Eng 14(4): 351-363.

[5] Trivailo PM, et al. (2006) Inverse problem of aircraft structural parameter identification: application of genetic algorithms compared with artificial neural networks. Inverse Probl Sci Eng 14(4): 337-350.

[6] Wu JJ (1975) On the stability of a free-free beam under axial thrust subjected to directional control. J Sound Vib 43(1): 45-52.

[7] Joshi A, Suryanarayan S (1989) Unified analytical solution for various boundary conditions for the coupled flexural-torsional vibration of beams subjected to axial loads and end moments. J Sound Vib 129(2): 313-326.

[8] Joshi A (1995) Free vibration characteristics of variable mass rockets having large axial thrust/acceleration. J Sound Vib 187(4): 727-736.

[9] Kirillov ON, Seyranian AP (1998)   Optimization of stability of a flexible missile under follower thrust. Proceedings of the 7th AIAA/USAF/NASA/ISSMO Symposium on Multidisciplinary Analysis and Optimization, St. Louis, MO, U.S.A., 2063–2073.

[10] Wu L, Xie C, and Yang C (2012) Aeroelastic Stability of a Slender Missile with Constant Thrust. Procedia Eng 31: 128-135.

[11] Srinivas M, Patnaik LM (1994) Genetic algorithms: A survey. Computer 27(6): 17-26.

[12] Herrera F, Lozano M, Verdegay JL (1998) Tackling real-coded genetic algorithms: Operators and tools for behavioural analysis. Artificial intelligence review 12(4): 265-319.

[13] Malhotra R, Singh N, Singh Y (2011) Genetic algorithms: Concepts, design for optimization of process controllers. Comput Inf Sci 4(2): 39-54.

[14] Taha MH, Abohadima S (2008) Mathematical model for vibrations of non-uniform flexural beams. Engineering Mechanics 15(1): 3-11.

[15] Rigner L (1998) Modal assurance criteria value for two orthogonal modal vectors. 16th Int Modal Analysis Conference, Santa Barbara, California, 1320-1325.

[16] Allemang RJ (2003) The modal assurance criterion–twenty years of use and abuse. Sound and Vib 37(8): 14-23.

[17] Pastor M, Binda M, Harčarik T (2012) Modal assurance criterion. Procedia Eng 48: 543-548.