مطالعه رفتار فروريزش سازه هاي مخروطي چند سلولي و بهينه سازي آن‌ها با استفاده از شبكه عصبي مصنوعي

Study on the collapse behavior of multi-cell conical structures and their optimization using artificial neural networks

در تحقيق حاضر، رفتار لهيدگي سازه‌هاي مخروطي چند سلولي تحت بارگذاري ديناميكي محوري بررسي شده است. اين سازه‌ها مخروطي از دو جداره داخلي و بيروني تشكيل شده‌ است كه توسط چند صفحه تقويتي به همديگر متصل شده‌‌اند. سازه‌هاي مذكور در پنج نوع سطح مقطع مربعي، شش‌ ضلعي، هشت ‌ضلعي، ده ضلعي و دايروي مورد بررسي قرار گرفته‌اند. قبل از انجام شبيه‌سازي‌هاي عددي رفتار لهيدگي سازه‌هاي مذكور با استفاده از نرم‌افزار ال‌اس-داينا، نتايج عددي با نتايج آزمايش‌هاي تجربي صحت‌سنجي شدند. پس از حصول اطمينان از درستي مدل اجزاء محدود ايجاد شده، شاخص‌هاي جذب انرژي ويژه (SEA) و بيشينه نيروي لهيدگي )‌ (F‌maxبراي همه سازه‌ها جهت پيدا كردن بهترين سازه از نقطه نظر عملكرد جذب انرژي محاسبه شدند. در ادامه با استفاده از روش شبكه‌ عصبي مصنوعي و الگوريتم ژنتيك، مقادير بهينه ابعاد سازه‌هاي مذكور (شامل زاويه مخروط (Ө) و نسبت اندازه جداره داخلي به اندازه جداره بيروني (S)) به دست آورده شدند. سپس از ميان سازه‌هاي بهينه شده، بهترين سازه به كمك روش تصميم‌گيري چند معياره تاپسيس انتخاب گرديد. نتايج نشان داد كه سازه مخروطي دايروي داراي بهترين عملكرد با پارامترهاي طراحي°94/3‌‌‌ θ=و 578/0‌‌‌ S=‌بوده و بنابراين به عنوان بهترين جاذب انرژي معرفي گرديده است. در پايان اثر تورفتگي قسمت داخلي سازه (جداره داخلي و تقويتي) بررسي شد و نتايج نشان داد كه تورفتگي جداره داخلي نتيجه‌ مناسب‌تري دارد.

In the present research, the collapse behavior of multi-cell conical structures has been studied under axial dynamic loading. These conical structures consisted of two inner and outer walls which have been connected together by several plates as stiffeners. These structures were assumed to have five different cross-sections of square, hexagonal, octagonal, decagonal and circular. Before performing the numerical simulations using LS-DYNA, the numerical results were validated by experimental results. After ensuring correctness of the created finite element models, indicators of SEA and F_max were then computed for all the structures to find the best structure from the crashworthiness point of view. ‌‌The artificial neural networks and genetic algorithm methods were used to obtain the optimized dimentions of the mentioned structures including θ (cone angle) and S (ratio of the inner wall size to the outer wall one). Among the optimized structures, the best structure was selected using the decision making method called TOPSIS. ‌The multi-cell conical structure with circular cross-section having dimensions of S=0.578 and θ=3.94°, was found to perform the best in terms of crashworthiness capability. Effect of triggers (inner wall and stiffeners) was finally studied, and the results revealed that the triggering by inner wall had a suitable result.