بهينه سازي مشخصات ابعادي در اتصال مواد مركب چند لايه به كمك شبكه عصبي مصنوعي و الگوريتم ژنتيك

The Optimization of Dimensional Specifications for the Multi-layer Composite Material Joint Using Artificial Neural Network and Genetic Algorithm

در اين مقاله حالات و بارهاي گسيختگي براي اتصالات چندپيني در ورق مواد مركب الياف شيشه­ اي اپوكسي تك جهته، با استفاده از روش اجزاي محدود و آزمون­هاي تجربي تحليل مي­شوند. به علاوه با استفاده از شبكه عصبي مصنوعي و الگوريتم ژنتيك، الگويي معرفي مي­شود كه در آن پين‌ها در موقعيت بهينه‌ شده‌اي قرار ‌گيرند. در اتصالات چند پيني، تغييرات گام نسبت به قطر پين، عرض ورق نسبت به قطر پين و نسبت فاصله از لبه ورق به قطر پين بر نحوه گسيختگي اتصال تأثير بسزايي دارند. با توجه به اين كه براي اين‌گونه ورق‌ها حل دقيقي از گسيختگي وجود ندارد، براي بهينه‌سازي در هر مورد شبيه‌سازي­هاي متعدد اجزاي محدود انجام و نتايج آن با استفاده از شبكه عصبي برازش مي­گردد. الگوي برازش شده اين شبكه به عنوان ورودي الگوريتم ژنتيك استفاده مي­شود. با در نظر گرفتن قيود مسأله و مشخصه­ هاي ابعادي، الگويي بهينه با اين شرط كه گسيختگي در آنها نسبت به بقيه نمونه‌ها ديرتر اتفاق بيفتد، ارائه مي­گردد. نتايج آزمايشگاهي و اجزاي محدود باهم مقايسه گرديده و ميزان تفاوت بين آنها تحليل خواهد شد.

In this study the failure modes and loads for multi-pin joints of the unidirectional fiberglass epoxy composite laminates, using the finite element method and experimental tests have been analyzed. In addition, a pattern was introduced in which the pins were placed in the optimized positions by using artificial neural networks and genetic algorithm method. In the multi-pin joints, the variations of pitch to diameter ratio, width to diameter ratio and distance from the edge of the laminate to diameter ratio of pin have a significant impact on the connection failure. Due to the fact that there is not the exact solution for the failure of these kinds of laminates, for optimization in each case, the FE simulation was performed and for the optimization the results were fitted using the neural network method. The fitted model was used as input to the genetic algorithm. Considering the constraints of the problem and dimensional characteristics, the optimal pattern was presented when the failure occur later than the others. The difference between the experimental data and the finite element results was analyzed.