بخشی از مقاله
بررسی روشهای مختلف بهینه سازی سازه های کامپوزیتی
چکیده
در این مقاله جنبه های مختلف بهینه سازی سازه های متفاوت کامپوزیتی اعم از کلاسیک، هوایی و خودرویی مـورد بررسی قرار می گیرد. به لحاظ گستردگی مطالب، موضوعات در قالبهای مناسب و مرتبط با هم دسته بندی شده اند.
در ابتدا تحلیل پیچیدگی مسائل طرح شده تا به امروز در سه جهت پپچیدگی مدل، پیچیـدگی تحلیـل و پیچیـدگی پروسه بهینه سازی انجام می شود. سپس رهیافتهای حل مسائل و نحوه بکارگیری رایانه در آنها بررسی مـی گـردد و در انتها از میان سازه های اشاره شده بالا، توجه عمده به سمت سازه ها و اجزای خودرو معطوف مـی شـود. از میـان سازه های مختلفی که در آن بخش ارائه خواهد شد و به عنوان نمونه ای مناسب، فنرهای تخت به لحـاظ ویژگیهـای خاص خود مورد مطالعه دقیقتری قرار می گیرند.
واﮊههای کلیدی: سازه های کامپوزیتی - بهینه سازی – تحلیل پیچیدگی – فنرهای تخت.
۱- مقدمه
کامپوزیتها دسته ای از مواد پیشرفته هستند که بـه لحـاظ قابلیتهای ویژه خود از همان ابتدا مورد توجه طراحان بـوده اند. در کنار این قابلیتهای ویژه، رفتار کامپوزیتهـا رفتـاری ارتوتروپیک است که موجب پیچیده تر شدن روابط و طبعـاﹲ روند تحلیل و طراحی آنها در مقایسه با مواد معمـول فلـزی می گردد.
از جهتی دیگر بهینه سـازی نیـز حیطـه بسـیار وسـیعی از ریاضیات را در بر می گیرد که بویژه در نیم قرن اخیر توجه تمامی حوزه های مهندسی را به خـود جلـب نمـوده اسـت.
ارائه آنالیزهای تحلیلی جامعتر، امکـان اسـتفاده از رایانـه و بـالطبع قابلیـت بکـارگیری الگوریتمهـای تکرارشـونده و در نهایت ظهـور الگوریتمهـای هوشـمند باعـث شـده قابلیـت روشهای بهینه سازی، دیگر بـه حـل مسـائل سـاده خطـی محدود نبوده و توانایی روشهای جستجوگر اتفـاقی موجـب تعیین سریعتر بهینه های عمومی مدلهای پیچیده گردد.
ترکیب این دو مقوله موجـب بوجـود آمـدن حیطـه بسـیار جذاب و وسیعی از مسائل می شود که از حدود سـی سـال قبل، توجه مهندسین مکانیک و سازه را بـه خـود معطـوف کرده است.کامپوزیتها با داشتن قابلیتهـای شاخصـی چـون نســبت اســتحکام بــه وزن و صــلبیت بــه وزن بــالا دارای پارامترهای طراحی متعددی هستند که تنظـیم آنهـا نظیـر زاویه الیاف، ضخامت لایه ها، نحـوه چیـدمان الیـاف و نـوع الیاف و ماتریس بکار رفته برای دستیابی بـه بهتـرین سـازه ممکن، مستلزم بکارگیری الگوریتمهای مناسب بهینه سازی است که در ایـن بـین بـه لحـاظ پیچیـدگی ذاتـی مسـائل کامپوزیتی لازم است با توجه به ساختار مدل، دقت زیـادی در انتخاب محدوده تحلیل و بهینه سازی مورد نظر به خرج داده شود. در ادامه، این مقاله سعی دارد راهنماییهای کلـی و کلیــدی را بــرای انتخــاب و بکــارگیری موضــوع و روش کارآزموده تر در اختیار خواننده قرار دهد.
در بخش نخست این مقالـه، مسـائل طـرح شـده در زمینـه طراحی سازه های کامپوزیتی از دیدگاه پیچیدگی آنها مورد بررسی قرار می گیرند و از سه منظر ساختار مدل انتخـابی، تحلیل انجام شده روی مدل و نوع بهینه سازی دسته بندی می شوند. در بخش دوم به لحاظ اهمیت اسـتفاده از رایانـه در حل مسائل بهینه سازی که آنرا به جزیی جدا ناپـذیر در این زمینه مبـدل سـاخته اسـت رهیافتهـای ممکـن بـرای بکارگیری کدهای رایانه ای بررسی می شوند و چنـد نمونـه از مقالات ارائه شده در هر گروه معرفی می گردند. در بخش سوم از میان کاربردهای گونـاگون سـازه هـای کـامپوزیتی، قطعات کامپوزیتی شده یا دارای قابلیـت کـامپوزیتی شـدن خودروها مورد بررسی قرار گرفته اند و از میان آنها طراحـی و بهینه سازی فنرهای تخت بدلیل سـابقه بیشـتر کارهـای انجام شده بر روی آنها و نیز امکان مقایسه تحلیلهای مبتنی بـر کـدهای اسـتاندارد طراحـی خـودرو و نتـایج تسـتهای عملکردی و تحلیلهای عددی، عمیقتر و جزیـی تـر مطالعـه شده اند.
۲- تبیین پیچیدگی بهینه سازی کامپوزیتها
مهمترین دغدغه طراح در مورد حل مسـائل بهینـه سـازی سـازه هـا بـویژه سـازه هـای کـامپوزیتی، تبیـین محـدوده پیچیدگی((complexity مسأله می باشد که ونکاتامـاران هفتکـه(] (Venkataraman & Haftka۱[ بـه نحـو جالبی این امر را مورد بررسی قرار داده اند. بر همین اساس برای آشکارسازی کیفیـت پیچیـدگی مسـائل سـه محـور عمده قابل طرح هستند: پیچیدگی مدل، پیچیدگی تحلیـل پیچیدگی بهینه سازی.
۲-۱- پیچیدگی مدل
در مورد کامپوزیتها به سه دسته عمده از مسائل طرح شده بر حسب پیچیدگی مدل می توان اشاره نمود؛ مسائلی که شامل چند لایه ها می شود، مسائلی که راجع به انواع پانلهای تقویت شده بحث می کند و در نهایت مسائلی که به مخازن، بالها، خودروها و شاتلها می پردازد. شکل(۱) شمایی کلی از مدلهای قابل طرح را ارائه می نماید.
٢-۱-۱- چند لایه های کامپوزیتی
پایینترین سطح بهینه سازی، مدلسازی و تحلیل، زمانی روی می دهد که حل بسته ای در دسترس باشد. طراحی چند لایه های کامپوزیتی نمونه مناسبی از این گونه است چرا که طراحی برای مقاومت و کمانش صفحه ای با قیدهای ساده، دارای حل تحلیلی بسته می باشد. از طرف دیگر چون زاویه الیاف اغلب به مجموعه محدودی از زوایا (مثلاﹲ صفر، ۵۴ و ۰۹ درجه) منتهی می گردد طراحی چیدمان الیاف تبدیل به مسأله از نوع بهینه سازی ترکیبی می شود که نقاط بهینه محلی متعددی خواهد داشت.
الگوریتم ﮊنتیک رهیافتی معمـول و مناسـب در برخـورد بـا چنین مسایلی است. بعنوان نمونه می توان به مقاله ویکـس و کالاهــان ] (Callahan & weeks )۲[ و یوکویامــا و گوتو ] (Yokoyama & Goto )۳[ اشاره نمود. در چنین مسایلی به رغم هندسه سـاده، محـدوده جوابهـا مـی توانـد بسیار وسیع باشد و با توجه به اینکه ساختار جستجوگرهای اتفاقی به جوابهای مختلفی در هر بار از اجرا منتج می شود محدودیت زمانی حل اهمیت می یابد.
بدین ترتیب تعیین درجه کـارایی الگوریتمهـای هوشـمند مقوله مهمی در تحلیل نتایج محسـوب مـی شـود. قابلیـت اطمینان الگوریتم در رسیدن به جواب بهینه بـه ازاﺀ تعـداد مشخصی اجرا می تواند معیار مناسبی باشد.
بطور مثـال اگـر الگـوریتمی نقطـه بهینـه را فقـط در %۰۴ اجراهای خود و دیگری در %۰۶ همان تعـداد اجـرا بدسـت آورد در نگاه نخست می توان الگوریتم دوم را کاراتر دانست ولی اگر این نتایج بر پایه فقط ۰۱ اجرا بدست آمده باشـند مــی تــوان نشــان داد انحــراف اســتاندارد تخمــین قابلیــت اطمینان حدود %۵/۵۱ است که فاصله معنـایی %۰۴ و %۰۶ را از بین خواهد برد. حال اگر تعداد این اجراها به ۰۰۱ بـار افزایش یابد انحراف ذکر شده بـه %۹/۴ تقلیـل مـی یابـد و اختلاف عملکرد دو الگوریتم معنـی دارتـر خواهـد بـود]۴.[
بدین ترتیـب بایـد توجـه داشـت در اغلـب مقـالاتی کـه از روشهای جستجو هوشمند استفاده مـی شـود تعـداد تکـرار اجرای الگوریتم تا حد امکان بالا در نظر گرفته می شـود تـا بهترین نتایج با بالاترین قابلیت اطمینـان بدسـت آیـد کـه همین امر موجب محدود شدن کـاربرد آنهـا در مـدلهای از رده ساده تا نهایتاﹰ متوسط شده است.
تابع هدفی که در اغلـب مسـائل بهینـه سـازی کامپوزیتهـا اتخاذ می گردد وزن سازه مورد نظر است اما سـاختار چنـد لایه ها این اجازه را می دهد نسـبت بـه سـایر سـازه هـای پیچیده تر، توابع جامعتر با صرف هزینه و زمان کمتر، هدف بهینه سازی واقع شوند.
مقوله عدم قطعیت پایداری سـازه یکـی از ایـن نمونـه هـا است. کوگیسو (Kogiso) حداکثرسازی قابلیـت اطمینـان کمانش صـفحات لامینیتـی را روی پـارامتر پیوسـته زاویـه الیاف مـورد بررسـی قـرار داده اسـت]۵.[ لـوریش و گـودن ] (LeRiche & Gaudin )۶[، همچنـین کـو ](Qu)۷[ پایداری ابعادی تحت انبساط حرارتی و رطـوبتی را بـا روش مونت کارلو شبیه سازی نموده اند.
مقاومت پسماند از دیگر این مـوارد اسـت. ایـن پـارامتر بـه جهت افزایش اطمینان از سالم ماندن چند لایه هـا پـس از شکستهای حادثه ساز مورد توجه طراحـان بـوده اسـت کـه همراه با پاسخهای پس کمانشی و رفتارهای غیرخطـی ایـن مرحلــــه، در مقــــالات شــــین ](Shin)۸[ و همــــر ](Hammer)۹[ بهینه شده است.
۲-۱-۲- پانلهای تقویت شده
معمولاﹰ جذابترین سیستمها در مبحث بهینه سازی سازه های کامپوزیتی و بطور کلی سازه ها، مدلهای با پیچیدگی متوسط هستند چرا که به کاربر امکان می دهند ضمن مواجهه با سیستمی واقعی تر و کاربردی تر نسبت به سازه های کلاسیک و با هندسه ساده، تحلیلها و روشهای پیچیده ای که در بر روی مدلهای با پیچیدگی زیاد قابل اجرا نیستند اعمال نماید.
پانلهای تقویت شده از نمونه های بارز این گروه می باشند که کابردهای مختلفی در ساخت مخازن تحت فشار و نیز سازه های هوایی و دریایی دارند. در عمل، تقویت کننده ها نقش افزایش صلبیت خمشی اجزا جدار نازک و مقاومت آنها نسبت به کمانش را بعهده دارند که همین ساختار دو جزیی باعث بروز رفتارهای غیرخطی پیچیده ای می گردد.
بدلیل نوع کاربرد، پانلها عمدتاﹰ دارای خم ساخته می شوند که باعث بالا رفتن حساسیت عملکرد سازه به شرایط ساخت و در حین تحلیل به نحوه مش زدن می گردد که عامل دوم در فرآیندهای تحلیل به کمک نرم افزارهای اجزا محدود اغلب دردسرساز می شود.
در پروسه بهینه سازی این نوع از سازه ها، متغیرهای طراحی معمولاﹰ چیدمان الیاف در بخشهای مختلف (نظیر پوسته بدنه، جان و فلنجهای تقویت کننده ها)، پروفیل سطح مقطع تقویت کننده و اندازه آن است که بدین ترتیب فرآیند بهینه سازی شامل هم متغیرهای ناپیوسته نظیر ضخامت و جهت الیاف و متغیرهای پیوسته نظیر اندازه تقویت کننده ها خواهد بود.
اولین مقالات در این زمینه به دهه هفتاد بر می گردد که اشترود و آگرانوف ](Stroud & Agranoff)۰۱[ بهینه سازی وزن را بر اساس تحلیل استاتیکی خطی که ساده ترین نوع تحلیل محسوب می شود با احتساب ۰۰۰۱ درجه آزادی و ۰۲ متغیر طراحی انجام دادند. در طی سالهای بعد ضمن افزایش درجات آزادی و متغیرهای طراحی، تحلیلهای پیچیده تری نیز به چشم می خورد.
۲-۱-۳- سازه های با پیچیدگی زیاد
بالها، مخازن سوخت، اجرام پرتـاب شـونده و اجـزا پیچیـده خودرو نظیر شاسی و بدنه در ردیف چنین سازه هایی قـرار می گیرند که البته بیشترین مقالات در این حوزه، علیـرغم برخی محدودیتها در انعکاس نتایج نمونـه هـای واقعـی بـه بالها اختصاص دارد.
آنچه کـه در بهینـه سـازی سـاختارهای بـزرگ و پیچیـده اهمیت می یابد تعیین حدود درجات آزادی در نظـر گرفتـه شده برای سیستم به عنوان معیاری از حدود تحلیل و تعداد متغیرهای طراحی به عنوان معیاری از حدود بهینـه سـازی است. پیشرفتهای سخت افزاری و نرم افزاری بویژه در طـی سالهای اخیر دائماﹰ در حال شکسـتن ایـن محـدودیتها مـی باشد.
بعنوان نمونه اشمیت و میورا ](Schmit & Miura)۱۱[
در ۶۷۹۱ دو نوع بال هواپیما را با ۰۲۱ و ۳۰۱ درجه آزادی و ۲۳ و ۰۴ متغیــر طراحــی بــه لحــاظ اســتحکام بهینــه کردند.۲۱ سال بعد، بال گزارش شده در کنفـرانس نـاتو بـا ۰۰۵۳ درجه آزادی و ۶۷۴ متغیـر طراحـی بهینـه گردیـده بود]۲۱.[ نمونه مقاله ارائه شـده در سـال ۲۰۰۲ کـه البتـه مدل بال توسط نرم افزار ویـژه ] Genesis۳۱[ طراحـی و بهینه شده بود دارای ۰۰۰۰۵ درجـه آزادی، ۴۸۳۱ متغیـر طراحی و ۰۰۸۴ محدودیت بود]۴۱.[ اسـتفاده از روشـهای meshless و مـــوازی ســـازی جســـتجوگرها از جملـــه ترفندهای جدید در حل چنین مسائل بزرگی هستند.
۲-۲- پیچیدگی تحلیل
یکـی دیگـر از اضـلاع سـه گانـه سـاختار شناسـی تحلیـل پیچیـدگی بهینـه سـازی سـازه هـای کـامپوزیتی، مبحـث پیچیدگیهای تحلیل می باشد و همانطور کـه در شـکل(۲) می توان دید سه محور عمـده قابـل بررسـی هسـتندکه در ادامه به آنها اشاره خواهد شد.
ساده ترین رده، تحلیلهای خطی استاتیکی شـامل تنشـها و خیزها هستند که به همـین دلیـل موضـوع عمـده مقـالات ســالهای دورتــر را شــامل مــی شــوند. مقــالات خــوت و همکــارانش ](Khot et al.)۵۱[ و هفتکــه و گــوردال ](Haftka & Gurdal)۶۱[ دو نمونه از آثار قدیمی تـر و پروشازکا ](Prochazka)۷۱[، مارتین ](Martin)۸۱[ و فـارس و همکـارانش ](Fares et al.)۹۱[ از نمونـه هـای متأخرتر هستند.
گروه دوم تحلیلها که در جایگاه متوسطی از پیچیدگی جای دارند مربوط به تحلیل کمانش و مـدهای طبیعـی سیسـتم می شود. مقاله مسکیتا و کمت (Mesquita & Kamat) در دهــه ۰۸ ]۰۲[ و کوریــا و همکــارانش در ســال ۳۰۰۲ ](Correia et al.)۱۲[ ازجمله مقالات متعـدد بـه چـاﭖ رسیده در این بخش هستند.
تحلیلهای حالت گذرا و تحلیلهای غیر خطی از جمله پس کمانش ، برخورد و نیز توسعه ترک در بالاترین سطح پیچیدگی جای می گیرند. چنین تحلیلهایی نیازمند تکرارهای متوالی از برآوردهای نموی پاسخ هستند و هزینه چنین تحلیلهایی به زمان و گام بار اعمالی و نیز حداکثر زمانی که جوابها تا آن دوره مد نظر هستند بستگی دارد. بیزانی و لانزی ](Bissagni & Lanzi)۲۲[ به کمک شبکه های عصبی، بهینه سازی محدوده پس کمانشی پانلهای تقویت شده را مورد بررسی قرار داده و به کاهش وزنی حدود %۸۱ دست یافتند. آنها کد نوشته شده با Matlab را با نرم افزار ABAQUS همراه کردند و در پروسه خود ازGA نیز سود جستند. همچنین لانزی(](Lanzi۳۲[ شکل یک جاذب انرﮊی را تحت اثرات crashworthiness در قالبی چند جهته بهینه کرد.
حلگر اصلی بهینه ساز وی نیز ازGA استفاده می کرد.
٢-۳- پیچیدگی بهینه سازی
شکل (٣) سطوح مختلف بهینه سازی که سومین و آخـرین بعد تحلیل پیچیدگی ارائه گردیده می باشد را به تصویر می کشد. ابتدایی ترین سطح، بهینه سـازی نقطـه ای چیـدمان لایه ها بر اساس گرافهای پارامتری لایه ای سازی (عبـارات کششی و خمشی که انتگرال خواص تک لایـه هـا هسـتند) می باشد که در این حیطه و بویژه در سالهای دورتر مقالات متعددی به چاﭖ رسیده است.
سـطح بعـدی، بهینـه سـازی محلـی مبتنـی بـر روشـهای شیب((gradient based می باشد که بـاز هـم بـویژه در دهه هفتاد و هشتاد بیشتر به آنها پرداخته شده است و مثلاﹰ در مقاله اشمیت و فرشـی ](Schmit & Farshi)۴۲[ از این روش استفاده شده است. بهینه سازی چند هدفـه، رده بعدی این سـاختار را تشـکیل مـی دهـد. در ایـن گـروه از مسائل طراح می بایست از طرفی با انتخاب توالی مناسبی از پروسه بهینه سازی، دقـت و هزینـه محاسـباتش را در نظـر داشته باشد و از سوی دیگر در قالب سطوح پارتو و با دیدی مهندسی، گروههای مناسب جواب را شناسایی نماید.
پارک و دیگران ](park et al.)۵۲[ حـداقل کـردن خیـز ماکسیمم و هزینـه پـر کـردن قالـب را در فرآینـد سـاخت قطعات کامپوزیتی به روش RTM مورد بررسی قرار دادند. وانگ و دیگران ](Wang et al.)۶۲[ نیز دو تابع هزینـه و وزن را برای سازه ای هوایی بهینه کردند.
در دو سطح بعـدی، بهینـه سـازی پارامترهـای ناپیوسـته و بهینه سازی global قرار دارند. بهینـه سـازی پارامترهـای ناپیوسته اغلب با ورود پارامتر ضخامت لایه ها و در مسـائل کابردی تر زاویه الیاف پدیدار می گردد و مسأله را به حالت ترکیبی وارد می کند. نمونه قابل توجهی از این نوع مسائل، مقاله اسپالینو و ریتزو (Spallino & Rizzo) است]۷۲.[
الگوریتمهای تکـاملی جسـتجوگر نظیـر الگـوریتم ﮊنتیـک، تبرید تدریجی و جستجوی پخشی (scatter search) بـه واسطه پرداختن مسـتقیم بـه مجموعـه جوابهـا و پرهیـز از تحلیل سیستم که در مورد سازه های کـامپوزیتی همیشـه مشکلات و پیچیدگی هـای خـاص خـود را بـه همـراه دارد توانایی زیادی برای حل چنین حالتهایی از خود نشـان داده اند که البته الگوریتم ﮊنتیک بـه واسـطه پیشـینه بیشـتر و انعطاف مناسب در برخورد با حالتهای مختلف، بسیار بیشتر از سایر روشها مورد توجه واقع شده است.
پیچیده ترین حالت بهینه سازی مربوط به زمانی اسـت کـه طراح، مفهوم عدم قطعیت((uncertainty را وارد معـادلات می نماید. عمدتاﹰ این مفهـوم بـرای یـافتن احتمـال سـاقط شدن سیستم بکار می رود که می بایسـت مفهـوم احتمـال خرابی را در قالب مسأله ای دو سـطحی بـرای پیـدا کـردن محتمــل تــرین نقطــه خرابــی تعریــف نمــود. یانــگ ](Yang)۸۲[جزﺀ اولین نفراتی است کـه وارد ایـن فـاز از مسائل شده است. از جمله مطالعات جدیدتر مـی تـوان بـه مقاله کو و همکارانش ](Qu et al.)۷[ اشاره کرد که سـه مفهوم قابلیت اطمینان، وزن و هزینه را برای کامپوزیتهـای بکار رفته در دماهای بسیار پایین بررسی نمودند.
۳- رهیافتهای حل به کمک رایانه
یکـی از جنبـه هـای مهـم بررسـی مسـائل بهینـه ســازی بخصوص در مورد کامپوزیتها که امکـان حـل دسـتی بـرای ساده ترین مـدلهای آن نیـز تقریبـاﹰ وجـود نـدارد شـناخت روشهای مختلف تعامل کاربر به عنوان طراح مسأله و رایانـه به عنوان ماشین حل کننده آن می باشد. در این رهگذر و با توجه به توضیحاتی که در مورد سطوح مختلـف پیچیـدگی مسائل گذشت سـه رهیافـت عمـده قابـل تمیـز از یکـدیگر هستند.
۳-۱- کدنویسی مستقیم
در تعداد قابل توجهی از مقالات و بویژه در مقالات قـدیمی تر و بواسطه نبود و یا عمومی نشدن نـرم افزارهـای تجـاری تحلیل و بهینه سـازی، محقـق بـه کمـک یکـی از زبانهـای مناسب نظیر C++ ، Fortran و یا حتی زبان سطح بـالایی چون Matlab کدی را می نویسد که بطـور کامـل تبیـین وضعیت هندسـی، تحلیـل مـدل و راهکـار بهینـه سـازی را شامل می گردد. بی تردید عمده کاربرد چنین استراتژی در مورد سیستمهای با پیچیدگی بهینه سازی کم و یا متوسط و با ساختار هندسی سـاده و کلاسـیک مـی باشـد. چنـین روشی برای تعیین قابلیت الگوریتمهای جدید، بهترین متـد محسوب می شود. مقاله لی و دیگـران ](Lee et al.)۹۲[ نمونه جدیدی از این رهیافت است.
۳-۲- ادغام کد نویسی و نرم افزار های FEM
در مورد سـیستمهای بـا پیچیـدگی بهینـه سـازی کـم تـا متوسط و بـا سـاختار هندسـی سـاده تـا نسـبتاﹰ پیچیـده، مناسبترین استراتژی، اسـتفاده ترکیبـی از نـرم افـزار هـای تجاری اجزای محدود و کد رایانه ای است. نرم افـزار اجـزاﺀ محدود، نقش تحلیلگـر و نیـز عامـل نشـاندهنده گرافیکـی پارامترها، قبل و بعـد از پروسـه تحلیـل و بهینـه سـازی را بعهده دارد و توسط رابطی نرم افزاری به هسته حلگر بهینه ساز که کـدی خـاص و مناسـب همـان مسـأله و یـا کـدی عمومی شامل یک یا چند روش کلی بهینه سازی می باشـد متصل می گردد. از جمله مقالات در این موضوع مـی تـوان به مقاله ماک و گوربا ](Muc & Gurba)۰۳[ اشاره کـرد که کد الگوریتم ﮊنتیک بـا نـرم افـزار NISA ارتبـاط داده شده است.
۳-۳- استفاده از نرم افزارهای بهینه سازی خاص
در برخورد با سیستمهای با ابعاد بزرگ، مشـکل همیشـگی، تعداد بسیار زیاد پارامترهای تحلیل و بهینه سازی است. بـا این توضیح باید گفت روش کدنویسی مستقیم بدلیل عـدم امکان تعریف مسأله و کنترل فرآیند تعریف، تحلیل و بهینه سازی در ابعاد بزرگ و روش ترکیبـی بـدلیل لـزوم تحلیـل سیتمی پیچیده و به دفعات مکرر، کارایی خـود را از دسـت می دهند. نرم افـزار هـای بهینـه سـازی- تحلیلـی خاصـی همچون Genesis ، ] Optistruct۱۳[ و Hypersizer ]۲۳[ تنها گزینه قابل اعتنا محسوب می شوند.
باید توجه داشـت ایـن نـرم افزارهـا متفـاوت از انـواع نـرم افزارهای عمومی بهینه سازی کار می کنند. نـرم افزارهـای عمومی از حدود دهه شصت به بعد بصورت مجموعـه ای از کدها ارائه شدند و توانایی اغلب آنهـا حـل مسـائل عمـومی پژوهش عملیاتی (operation research) است اما آنچـه در این بخش مد نظر است نرم افزارهای ویژه ای هستند که شامل هسته ای بهینه ساز با توانایی ویـژه در حـل مسـائل پیچیده با حداقل تکرار می باشند. فضای ارتباطی گرافیکـی برای تعریف هندسه مسأله، نحوه اعمال قیود و بارهـا و نیـز نمایش خروجی از شاخصه های دیگر آنها اسـت. همچنـین امکان تعریف متغیرهای بسیار زیاد از توانایی آنها محسـوب می شود.
۴- سازه های کامپوزیتی درخودروها
در طی سالهای اخیر و به واسـطه افـزایش قیمـت فـرآورده های نفتی و الزامات زیسـت محیطـی و نیـز تغییـر سـلیقه مصرف کنندگان به سمت خودروهای کوچکتر، بهینه سازی وزنی و عملکردی سازه ها و قطعات خودرو به شـدت مـورد توجـه محققـان قـرار گرفتـه اسـت. در ایـن میـان کـاربرد کامپوزیتها به عنوان ماده جایگزین به دلیـل خـواص بسـیار خوب مکانیکی همیشه مد نظر بوده است. در دهه شصـت و هفتاد میلادی این تلاشها بیشتر در قالب گزارشهای امکـان
