بهينه‌سازي چندهدفه پانل‌هاي ساندويچي با استفاده از الگوريتم گروه ذرات

Multi objective optimization of sandwich panels using particle swarm algorithm

در اين مقاله بهينه?سازي چند??هدفه پانل?هاي ساندويچي با هسته باز و منشوري مورد بررسي قرار گرفته است. نامگذاري اين پانل?ها براساس تعداد ?موج?هاي هسته (n) صورت مي?گيرد. پانل به عنوان يك مبدل حرارتي درنظر گرفته شده كه همزمان تحت بارگذاري طولي نيز قرار دارد. الگوريتم بهينه?سازي دوهدفه گروه ذرات با درنظر گرفتن وزن و شاخص انتقال حرارت به عنوان توابع هدف استفاده گرديده است. بهينه سازي به گونه?اي انجام مي?شود تا پانل، ضمن اينكه دچار تسليم و كمانش در صفحه?هاي رويه و هسته در بارگذاري?هاي مختلف نمي?شود، داراي كمترين وزن و در عين?حال بيشترين شاخص انتقال حرارت نيز باشد. نتايج نشان داد دو پانل با 1=n و 7=n، پانل?هاي مناسب در بهينه?سازي يك?هدفه و دوهدفه مي?باشند. همچنين، بيشترين شاخص انتقال حرارت به دست آمده توسط يك پانل مشخص در بارگذاري هاي مختلف تقريبا يكسان است. نمودارهاي پرتوي حاصل شده از بهينه سازي دوهدفه داراي دو ناحيه متمايز بوده كه در يك ناحيه افزايش وزن منجر به افزايش شديد شاخص انتقال حرارت، و در ناحيه ديگر اين شاخص تقريبا ثابت مي?ماند. اين نمودارها ابزاري مناسب جهت انتخاب پانل و ابعاد هندسي آن با توجه به اهميت هريك از توابع هدف مي?باشند. مقايسه نتايج بيانگر كارايي روش گروه ذرات در بهينه?سازي يك?هدفه و دوهدفه اين پانل?هاست.

In this paper, multi-objective optimization of sandwich panels with open and prismatic core has been studied. Naming these panels is based on the number of corrugations (n) of the core. The panel is considered as a heat exchanger that is loaded under longitudinal loading simultaneously. Multi-objective particle swarm optimization is used by considering weight and heat transfer index as objective function. Optimization is carried out so that the panel has minimum weight and maximum heat transfer index simultaneously; moreover it will not suffer from yielding and buckling in face and core plates. The results showed that two panels, i.e. n=1 and n=7 are very suitable in one-objective and two-objective optimizations. Also, maximum of heat transfer index obtained by a certain panel is nearly the same in various loadings. Pareto diagrams achieved out of two-objective optimization have two separate areas where in one area weight increase may cause an intense increase in heat transfer index and in another area this index remains almost constant. The diagrams are helpful in selecting suitable panel and its geometric dimensions based on significance of each objective functions. Comparing the results indicate efficiency of particle swarm method in one-objective and two-objective optimization of the panels.