استفاده از شبكه عصبي و الگوريتم ژنتيك در بدست آوردن ماكزيمم پاسخ سيستم ناميزان

Using Neural Network and Genetic Algorithm to Obtain Maximum Response of Mistuned System

ديسك و پره سيستمي است كه از تعداد مشخصي قطاع با خصوصيات هندسي و ماده يكسان تشكيل شده است. اما در عمل همواره اختلافات كوچكي در خصوصيات فيزيكي سيستم وجود دارد. اين اختلافات مي‌تواند ناشي از تولرانس‌هاي ساخت باشد. همچنين كاركرد زياد سيستم و استهلاك ناشي از آن از ديگر عوامل بوجود آمدن ناميزاني در سيستم هستند. در اثر اين پديده، تفاوت‌هاي بسيار زيادي در پاسخ ديناميكي سيستم نسبت به حالت ميزان ملاحظه مي‌شود. در تحقيق حاضر از شبكه عصبي و الگوريتم ژنتيك به عنوان روشي كارآمد، سريع و دقيق براي بدست آوردن ماكزيمم پاسخ فركانسي سيستم ديسك و پره استفاده شده است. براي اين كار، ابتدا مدل اجزا محدود سيستم ديسك و پره در محيط نرم افزار انسيس ايجاد شد. پاسخ فركانسي پره ها در حالت ميزان بدست آمد. سپس طي دويست مرحله آزمايش براي دانسيته هاي متفاوت، ماكزيمم پاسخ سيستم ناميزان براي هر آزمايش استخراج گرديد. در ادامه با استفاده از شبكه عصبي و الگوريتم ژنتيك ماكزيمم پاسخ فركانسي محاسبه شد. همچنين با ?j هاي بدست آمده براي حالت ماكزيمم پاسخ، مدل جديد در نرم افزار انسيس ايجاد شد و ماكزيمم پاسخ فركانسي بتعيين گرديد. مطابقت قابل قبول پاسخ بدست آمده از نرم افزار با پاسخ بدست آمده از شبكه عصبي و الگوريتم ژنتيك، كارايي روش به كار رفته را نشان مي دهد.

Ideally, bladed disk systems are tuned and all blades are identical but, in practice there always exist small, random differences among the blades. Mistuning, imperfections in cyclical symmetry of bladed disks is an inevitable and perilous occurrence due to many factors including manufacturing tolerances and wear in service. It can cause some unpredictable phenomena such as dramatic difference in forced vibration response. In this paper first a finite element model of bladed disk system with 24 blades were created in ANSYS. The model is then used to calculate the frequency response of the blades for the tuned system. Next, two hundred experiments, with different density for each blade, were selected in a specified range. For each test case calculations were performed and the maximum response was obtained. Then, by integrating neural networks and genetic algorithm the worst frequency response of the mistuned bladed-disk system was calculated. The problem of finding the worst specification is formulated as an optimization problem subjected to constraints such as the manufacturing tolerances. Based on the calculated parameters, a new model was created and the maximum response of the mistuned system was calculated. The results indicate that the responses obtained from the neural network and genetic algorithm have reasonable accuracy and are in good agreement with responses obtained from the ANSYS and shows the efficiency of the method.