whatsapp call admin

مقاله بهینه سازی بال هواپیمای بدون سرنشین کامپوزیتی به کمک روش المان محدود و الگوریتم ژنتیک

word قابل ویرایش
9 صفحه
10700 تومان
107,000 ریال – خرید و دانلود

بهینه سازی بال هواپیمای بدون سرنشین کامپوزیتی به کمک روش المان محدود و الگوریتم ژنتیک
چکیده

در این مقاله کاهش وزن بال پهپاد کامپوزیتی HARPY مورد مطالعه قرار گرفت. تحلیل بال با استفاده از قوانین استاندارد USAR صورت پذیرفته است. برای بهینه سازی از کد الگوریتم ژنتیک نوشته شده در نرم افزار برنامه نویسی متلب استفاده شده است. بال پهباد در نرم افزار المان محدود محدود آباکوس شبیهسازی و برای بهینه سازی از لینک نرم افزار اجزاء محدود آباکوس و نرم افزار برنامه نویسی مطلب استفاده شده است. در فرآیند بهینه سازی فوق کاهش وزن و قیمت با هم مغایرند و کاهش هر کدام منجر به افزایش دیگری میشود.همچنین ضمن تمرکز بر کاهش وزن و قیمت باید بتواند از عدم گسیختگی لایههای هر قسمت اطمینان یافت. الگوریتم توانست وزن بال سازه را %۳۴ نسبت به مدل اولیه طراحی شده کاهش دهد که سبب افزایش سرعت و مانور پذیری پهپاد مذکور شده است

کلمات کلیدی

بهینه سازی، پهپاد کامپوزیتی HARPY ، استاندارد USAR ، الگوریتم ژنتیک، المان محدود.

.۱ مقدمه

پهپاد یا هواپیمای بدون سرنشین وسیله پرندهای است که کنترل آن بدون استفاده از انسان در درون آن انجام میشود. اگر چه انسان میتواند به عنوان محموله در آن باشد. این وسیله پرنده از نیروهای آیرودینامیکی برای پرواز در مسیر دلخواه استفاده میکند. پهپادها یا بوسیله کنترل از راه دور یا با برنامه های پیش پروازی ریخته شده از قبل یا با سامانههای خودکار دینامیک هدایت میشوند. پهپادها در حال حاضر در برنامه های نظامی که شامل جاسوسی و حمله میشود فعالیت میکنند. این هواپیماها همچنین در برنامه های غیر نظامی مانند خاموش کردن آتش سوزیها یا جایی که پرواز برای خلبان خطر دارد یا کنترل پلیس در نا آرامیها و صحنههای جرم یا شناسایی بیشتر حوادث غیرمترقبه طبیعی استفاده میشوند.[۱]

اصولاًپرواز دارای خطرات احتمالی بالا یی برای انسان میباشد و طراحی پرندهای که حداقل ایمنی را برای پرواز داشته باشد بسیار پیچیده و پرهزینه است همچنین انسان دارای محدودیت در پرواز است و نمیتواند همه شرایط پروازی را تحمل کند بخصوص تحمل g وارده بر بدن. علاوه بر این موارد دسترسی به تمام نقاط با هواپیمای سرنشیندار میسر نمیباشد به همین دلیل و دیگر موارد توجه طراحان به پرندههای بدون سرنشین معطوف شد. که هم بتوان از راه دور پرنده را کنترل کرد و هم پرنده بتواند به ماموریت داده شده به صورت خودکار عمل کند.[۲]
هدف اصلی این مقاله ارائه روشی برای بهینه سازی همزمان وزن و قیمت بال کامپوزیتی پهپاد HARPY با در نظر گرفتن شرایط عملکردی آن میباشد. شکل این هواپیما به صورتی است که دارای بالهای دلتا شکل و بدنهای استوانهای است در داخل بدنه و بالهای خود سیستم حرکت وکلاهک جنگی به وزن ۲۳ کیلوگرم همچنین ۱۸کیلوگرم سوخت و بخش موتور جای داده شده است. و در انتهای بدنه هم پروانه پیشرا قراردارد. طول این پرنده ۲/۷متر- عرض آن از نوک دوبال ۲/۱ متر – ارتفاع ان ۰/۳۶ متر است.

.

شکل :۱ پهپاد HARPY

.۲ بهینه سازی سازه های هوافضا

بهینه سازی علم انتخاب بهترین حالت ممکن در یک مجموعه محیط حقیقی مجازی میباشد.[۳] در یک تعریف ساده، بهینه سازی روشی است که در آن یک مقدار مطلوب بدست آورده میشود. این مقدار مطلوب میتواند مربوط به یک مسئله صنعتی و یا یک تابع هدف مستقل باشد. فاکتورهایی که مقدار مطلوب را تعریف میکنند دارای تغییرات و نوسان وابسته به موقعیت و هدف مشخص هستند که روش بهینه سازی را برای هدف معینی، به صورت عملی وکاربردی درمیآورند. برای مدل کردن مسائل بهینه سازی نیازمند مشخص کردن پارامترهای زیر هستیم.

متغیرهای طراحی : در بهینه سازی یا بهبود بخشیدن به یک سازه ، به طور ضمنی اختیار تغییر یک سازه یک پیش فرض است. پتاسیل تغییر به طور معمول بر اساس محدودهای از تغییرات در تعدادی از پارامترها بیان میشود. چنین پارامترهایی در اصلاح بهینه سازیمعمولاًمتغیر طراحی نامیده میشود و با یک بردار نشان داده میشوند. متغیرهای طراحی میتوانند ابعاد سطح مقطع یا اندازه اعضا، پارامترهای کنترل هندسه سازه ، خواص آن و غیره باشند.

تابع هدف: تعریف صحیح تابع هدف در یافتن نقطه بهینه کلی و نرخ همگرایی بسیار حیاتی است. تابع هدف بایستی این توانایی داشته باشد تا ضمن تمرکز بر روی هر قسمت برای بدست آوردن لایه چینی متناسب با عملکرد آن قسمت، هدف نهایی بهینه سازی سازه که میتواند کاهش وزن سازه یا تغییر مکان باشد را نیز مدیریت نماید.

قیود: مفهوم حدود برای متغیرهای طراحی را معرفی میکند. این قیود حد بالا و پایین متغیرهای طراحی را نشان میدهد که اغلب در روشهای حل به شکل ویژهای در نظر گرفته میشوند.[۴]
طراحی بهینه سازه های کامپوزیتی به دلیل پیچیدگیهای زیاد مدلسازی، آنالیز و بهینه سازیمعمولاًدارای هزینههای بسیار بالائی هستند. علاوه بر این وجود ناپیوستگی ذاتی در صفحات کامپوزیتی مانع از کاربرد مؤثر روشهای معمول بهینه سازی در عملیات انتخاب طرح بهینه این مواد میگردد. با توجه به مشکلات روش های جستجوی عمومی یا کلاسیک از قبیل امکان گرفتار شدن در نقاط بهینه محلی، استفاده از مشتقات توابع در فضای جستجو و عدم کارایی در اکثر مسائل عملی، رویکرد محاسبات جستجو به سمت بهره گیری از علوم طبیعی در حل مسائل بهینه سازی سوق پیدا کرده است .[۵]

۱ .۲ بهینه سازی سازه های متشکل از چندین قسمت

سازه های هوافضا در عمل تحت نیروهای متفاوتی در قسمت های گوناگون هستند که سبب ایجاد گردایان تنش در سازه میگردد. در سازه های ایزوتروب تغییر ضخامت بر اساس گردایان تنش توسط روش های ساخت ممکن است. در این سازه ها تغییر ضخامت به صورت پیوسته صورت میگیرد و بدین ترتیب پیوستگی سازه حفظ میشود. در سازه های کامپوزیتی طراحان بر اساس این گرادیان تنش، سازه را به قسمت های گوناگون تقسیم کرده و برای هر قسمت لایهچینی مناسب اعمال میکنند. در عمل کاهش ضخامت با تغییر ضخامت به صورت پلهای توسط کم کردن تعداد لایه ها صورت میگیرد. در هنگام تعیین لایه چینی قسمتهای مختلف سازه های بزرگ بایستی توجه داشت که

اولاً تغییر لایه چینی و ضخامت هر قسمت بر مقاومت قسمتهای دیگر تأثیرگذار است و ثاناًی قسمتی که کمترین مقاومت را دارد مشخص کننده مقاومت نهایی سازه است.

.۳ بهینه سازی سازه های کامپوزیتی به وسیله الگوریتم ژنتیک

الگوریتم ژنتیک یک روش جستجوی عمومی و شاخهای از روشهای بهینه سازی است که بر اساس انتخاب تصادفی، بهترین جواب را برای مسأله در میان مجموعه ای از جوابهای محتمل جستجو مینماید.[۶] الگوریتم ژنتیک را به طور ساده میتوان یک روش جستجوگر نامید که بر پایه مشاهدات خصوصیات فرزندان نسلهای متوالی و انتخاب فرزندان بر اساس اصل بقای بهترین پایه ریزی شده است.[۷] الگوریتم ژنتیک بر روی فرزندان یک نسل (از جوابهای مساله در یک مرحله) از قوانین موجود در علم ژنتیک تقلید کرده و با به کار بردن آنها، به تولید فرزندان با خصوصیت بهتر (جوابهای نزدیکتر به هدف مسئله) می پردازد. در هر نسل به کمک فرآیند انتخابی متناسب با ارزش جوابها و تولید مثل فرزندان (جوابهای) انتخاب شده، تقریب بهتری از جواب نهایی به دست میآید. این فرآیند باعث میشود که نسلهای جدید با شرایط مسئله سازگارتر باشند. این رقابت میان ژنها و پیروز شدن ژن غالب و کنار رفتن ژن مغلوب (جواب های دور از هدف مسئله) روش کارامدی برای حل مسائل پیچیده و دشوار می باشد.[۸]

در دهه ۷۰ میلادی دانشمندی از دانشگاه میشیگان به نام »جان هلند۱ « ایده استفاده از الگوریتم ژنتیک را در بهینه سازیهای مهندسی مطرح کرد. از آن زمان تا به حال تحقیقات فراوانی هم بر موارد استفاده ازاین الگوریتم و هم در بهبودی عملکرد آن توسط طراحان و محققان صورت گرفته است لریچ۲ و هفتکه[۹] بر روی بهینه نمودن وزن صفحه کامپوزیتی تحت قید کمانش و استحکام کار کردند و توانستند تا ۵۰ ٪ وزن صفحه را پایین بیاورند. کالاهان ویکس[۱۰] ۳ از الگوریتم ژنتیک برای بدست آوردن بیشترین استحکام و سختی یک لامینیت تحت بارهای در صفحه استفاده کردند . وت سان[۱۱] ۴ از الگوریتم ژنتیک برای بالابردن انرژی جذب فریمهای مواد مرکب استفاد کرد و گاردن[۱۲]۵ و کوگیسو [۱۳] ۶ و هفتکه و تودوروکی[۱۴] ۷ یک الگوریتم ژنتیک ویژه را برای طراحی بهینه لایه چینی چینی یک صفحه تحت قید کمانش و استحکام بکارگرفتند استندر و پاتگیتر[۱۵] ۸ الگوریتم ژنتیک را برای کم کردن کردن انرژی کرنشی صفحه کامپوزیتی، تحت بارهای جانبی توسعه دادند.. عملکرد این الگوریتم به این صورت میباشد که تعدادی طرح به صورت تصادفی به عنوان جمعیت اولیه در نظر گرفته شده و جمعیتهای بعدی از اعمال تعدادی از عملکردهای ژنتیکی بر روی این جمعیت بدست میآیند. الگوریتم ژنتیک با یک جمعیت اولیه که میتواند شامل

تعدادی طرحهای تولید شده به صورت تصادفی یا مجموعه ای از طرحهای انتخابی طراح باشد، آغاز میگردد. هر کدام از این طرحها که در واقع نقطهای در فضای طراحی میباشند یک کروموزوم نامیده میشوند که دارای اجزای کوچکتری به نام ژن میباشند. هر ژن معرف یکی از متغیرهای طراحی میباشدمعمولاً در هر طرح تابع هدف باید به مقدار بیشینه یا کمینه، بهنیه گردد و در واقع هدف از بهینه سازی نیز یافتن کروموزومهایی است که دارای بیشترین یا کمترین مقدار تابع هدف باشند. از آنجائیکه معمولاً در این گونه مسائل مقدار مطلق بیشینه یا کمینه تابع هدف مشخص نمی باشد، انتظار میرود که جوابهای خروجی الگوریتم به صورت مجموعه ای از نقاط که دارای مقدار نسبی (بیشینه / کمینه) میباشند، قابل قبول طراح قرار گیرند. بخشهای الگوریتم ژنتیک در شکل ۲ نشان داده شده است.

تشکیل نسل اولیه محاسبه تابع هدف انتخاب والدها
تولید فرزندان با اعمال عملگرهای ژنتیکی

تشکیل نسل جدید چک کردن معیار توقف

پایان

شکل:۲ چرخه الگوریتم ژنتیک

این فقط قسمتی از متن مقاله است . جهت دریافت کل متن مقاله ، لطفا آن را خریداری نمایید
word قابل ویرایش - قیمت 10700 تومان در 9 صفحه
107,000 ریال – خرید و دانلود
سایر مقالات موجود در این موضوع
دیدگاه خود را مطرح فرمایید . وظیفه ماست که به سوالات شما پاسخ دهیم

پاسخ دیدگاه شما ایمیل خواهد شد