Author/Authors :
Khalkhali، A. نويسنده School of Automotive Engineering, Iran University of Science & Technology, Tehran, Iran , , Nariman-zadeh، N. نويسنده Department of Mechanical Engineering, Faculty of Engineering, The University of Guilan, Rasht, Iran , , Khakshournia، Sh. نويسنده School of Automotive Engineering, Iran University of Science & Technology, Tehran, Iran , , Amiri، S. نويسنده Department of Mechanical Engineering, Faculty of Engineering, The University of Guilan, Rasht, Iran ,
Abstract :
وزن كم و ظرفيت بار بالا از مزيت هاي قابل توجه پانل هاي ساندويچي با هسته موج دار هستند كه موجب توجه مهندسين طراحان سازه مي شوند. در نظر گرفتن محدوديت هايي مانند بازده و كمانش به عنوان قيد هاي طراحي براي طراحي بهينه اين پانل ها داراي اهميت است. در اين مقاله، بهينه سازي پانل هاي ساندويچي با هسته موج دار با به حداقل رساندن دو تابع، هدف شامل وزن و انحراف ساختار است انجام شده است. مدل المان محدود سازه با استفاده از نرم افزار تجاري ANSYS ايجاد شده كه براي محاسبه انحراف پانل در شرايط مختلف به كار مي رود. از كد NSGA-II كه در MATLAB تهيه شده براي انجام فرايند بهينه سازي در روند تكامل تدريجي، كه منجر به به دست آوردن جبهه پارتو شامل مجموعه اي از بردارهاي طراحي و بهينه تابع هدف است، استفاده شده است. سپس در ميان مجموعه بهينه غير غالب پارتو، دو روش متداول براي انتخاب نقطه بهينه مورد استفاده قرار گرفت.
Abstract :
Low weight and high load capacity are remarkable advantages of sandwich panels with corrugated core, which make them more considerable by engineering structure designers. It is important to consider the limitations such as yielding and buckling as design constraints for optimal design of these panels. In this paper, multi-objective optimization of sandwich panels with corrugated core is carried out by minimizing two supposed objective functions, the structure’s weight and deflection. The finite element model of structure is created using the commercial software ANSYS, which is employed to calculate the deflection of panel in different problem conditions. A NSGA-II code prepared in MATLAB, is used to perform the optimization process in a gradual evolution trend, which leads to obtain the Pareto front consisting a set of design vectors and optimal objective function vectors. Two conventional methods are then used to select the trade-off optimal point among the Pareto non-dominant optimal set.
