پیش بینی عمر خستگی مواد کامپوزیت هیبریدی با استفاده از الگوریتم ژنتیک
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 958
فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
MECHCONF01_204
تاریخ نمایه سازی: 21 شهریور 1395
چکیده مقاله:
عوامل بسیاری بر عملکرد خستگی مواد کامپوزیتی زمینه پلیمری و تحلیل رفتار خستگی آنها از جمله خواص موادتشکیل دهنده )ماتریس و الیاف(، فصل مشترک فاز زمینه و الیاف، پارامترهای بارگذاری نظیر فرکانس، دامنه تنش، نسبتتنش، تعداد لایه ها، جهت الیاف و ... تاثیر گذارند. در سال های اخیر روش های هوش مصنوعی، به عنوان تکنیک های محاسباتی نرم برای مدل سازی عمر خستگی مواد کامپوزیتی معرفی شده اند که ابزار بسیار قدرتمندی برای مدل سازی رفتار غیر خطی لمینیت های کامپوزیتی در معرض بارگذاری سیکلیک دامنه ثابت هستند. تحولات اخیر در هوش مصنوعیو تکنیک های محاسباتی تکاملی استقرار سریع مدل ها برای حل کامل و یا حدودی مسائل چند پارامتری، مانند پیش بینی عمر خستگی مواد کامپوزیتی را فراهم کرده است. هدف از این تحقیق تجزیه و تحلیل رفتار خستگی مواد کامپوزیت هیبریدی و پیش بینی طول عمر این مواد در طول بارگذاری سیکلیک است. این مسئله باعث درک بهتر مکانیسم های اصلی آسیب خواهد شد که به طور بالقوه می تواند در طراحی مقاومت به خستگی بالاتر مواد به خصوص مواد کامپوزیتی، مورد استفاده قرار گیرد. در مطالعه پیش رو با بکار گیری توابع آماری رگرسیون و نیز مفاهیم الگوریتم ژنتیک پیش بینیعمر خستگی ماده کامپوزیتی glass/epoxy مورد بررسی قرار می گیرد و نتایج حاصله نشان از عملکرد مطلوب تر الگوریتم ژنتیک در حل مسائل بهینه سازی نسبت به روش های سنتی دارد
کلیدواژه ها:
نویسندگان
مهدی اله یار
دانشجوی کارشناسی ارشد، گروه مکانیک، دانشکده فنی و مهندسی، واحد یادگار امام خمینی ره شهر ری، دانشگاه آزاد اسلامی، تهران، ایران
علی اکبر لطفی نیستانک
استادیار، گروه مکانیک، دانشکده فنی و مهندسی، واحد یادگار امام خمینی ره شهر ری، دانشگاه آزاد اسلامی، تهران، ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :