نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشگاه یزد، دانشکده مهندسی مکانیک

2 دانشکده مهندسی مکانیک، دانشگاه یزد، یزد، ایران

10.61186/masm.2024.2016127.1086

چکیده

بهینه‌سازی شافت کامپوزیتی تحت گشتاور پیچشی در پژوهش‌های پیشین، با فرض ثابت بودن گشتاور و با هدف کمینه‌کردن جرم انجام شده است. در پژوهش حاضر، علاوه بر لحاظ کردن جرم، اجازه تغییر میزان گشتاور اعمالی تا پیش از خرابی در اولین لایه نیز داده شده تا بتوان در عین وزن پایین، از ظرفیت باربری کامپوزیت بهره بیشتری برد. از همین رو، تابع هدف به‌صورت بیشینه‌کردن نسبت "گشتاور به جرم T/m" در نظر گرفته شد. برای انجام بهینه‌سازی از دو الگوریتم ژنتیک و ازدحام ذرات استفاده شد. پارامترهای ورودی مسئله شامل تعداد لایه، ضخامت و زاویه هر لایه و گشتاور اعمالی بوده و قیدِ تعریف شده، عدم وقوع خرابی در لایه‌های کامپوزیتی (با احتساب معیار خرابی سای – وو در نرم‌افزار اجزای محدود آباکوس) بود. همچنین مسئله فوق برای مقایسه اثر نوع تابع هدف، با در نظر گرفتن جرم کمینه بعنوان تابع هدف با دو الگوریتم فوق بررسی شد. نتایج نشان از آن دارد که الگوریتم ژنتیک، برخلاف الگوریتم ازدحام ذرات، همگرایی مناسبی را داشته است. همچنین استفاده از شافت کامپوزیتی (فارغ از نوع تابع هدف) تا بیش از 80% باعث کاهش جرم در مقایسه با شافت فولادی شده است. ضمناً گرچه شافت کامپوزیتیِ پیشنهادی توسط تابع هدف T/m بیشینه، جرم بیشتری نسبت به شافت پیشنهادی با تابع هدف جرم کمینه دارد، ولی توانسته گشتاوری 8.5 برابری را تحمل کند؛ بدین معنی که با افزایش وزن نسبی در حد منطقی، ظرفیت بارپذیری شافت تا 8.5 برابر افزایش‌یافته است.

کلیدواژه‌ها

عنوان مقاله [English]

Optimization of Composite Shaft Subjected to Torsional Loading by Using Genetic Algorithm and Particle Swarm Optimization Methods

نویسندگان [English]

  • Mahdi Heydari Meybodi 1
  • Hamid Arjmand 2
  • Ghasem Azamirad 2

1 Department of Mechanical Engineering, Yazd University

2 Department of Mechanical Engineering, Yazd University, Yazd,, Iran

چکیده [English]

Optimization of composite shafts subjected to torsional loading has been investigated in the previous studies by considering the constant value of load and so, minimization of shaft mass was defined as the objective function (OF). In the current study, maximization of the torque to mass (T/m) ratio was considered as OF. To do so, the Genetic Algorithm (GA) and Particle Swarm Optimization (PSO) methods were utilized. The number of layers, thickness and angle of each ply as well as the applied torque were considered as the input variables. Moreover, preventing of failure in composite shaft, based on Tsai-Wu failure theory developed in Abaqus finite element software, was defined as the constraint of optimization problem. Also, in order to investigate the effect of OF type, in addition to the T/m, the mass was also defined as OF in a separate optimization problem. The results revealed that despite PSO, GA had suitable convergence in the optimization. Moreover, in spite of the type of OF, using a composite shaft compared to the steel one, had at least 80% mass reduction. Furthermore, although the predicted composite shaft via T/m OF has more mass compared to that predicted via m OF, it can tolerate torsional loading up to 8.5 times more. This point can increase the load carrying capacity of composite shaft.

کلیدواژه‌ها [English]

  • Optimization
  • Composite Shaft
  • Genetic Algorithm
  • Particle Swarm Optimization